3次元点群の異常ノイズ除去は産業用精密検査において重要な意味を持つ。複雑な構造部品の3次元点群には異常ノイズのクラスターが存在し、従来のノイズ除去方法ではそれらが小さなターゲットと誤認識されて除去できない場合がある。本稿はノイズと測定対象の3次元点群の差異特徴に基づき、多特徴類似性に基づく異常ノイズクラスタ除去法を提案する。まず、点群を等サイズの点群ボクセルに分割し、各ボクセルの位置インデックスに基づきボクセル隣接関係を構築する。各ボクセル内の点群数が設定閾値未満の孤立異常ノイズを除去する。次に、ボクセル3次元空間インデックスに従い、残った隣接ボクセルの点群をクラスタリングし、クラスタリング速度を向上させる。クラスタリング後の各点群クラスタについて、3次元点の密度と表面粗さを計算し、多特徴ベクトルを構築する。最後にマハラノビス距離を用いて異なる点群クラスタ間の多特徴類似性を算出し、対象点群クラスタのマハラノビス距離に基づき類似性判定閾値を設定して異常点ノイズを除去する。本稿で提案した方法は公共データセットおよび3次元測定器で取得した複雑な工件の3次元点群に対しノイズ除去実験検証を行い、二重閾値ノイズ除去法DTD、局所近傍特徴に基づく除去法DLNF、深層学習ノイズ除去法POINTCLEANNETと比較実験を実施した。実験結果は本稿の方法のノイズ除去精度と再現率がそれぞれ1と0.98であり、他の3手法より優れ、除去時間も最短であり、産業用オンライン精密検査に適用可能であることを示している。

点群ノイズ除去;多特徴類似性;点群ボクセル化;点群クラスタリング