3D 레이저 스캐닝 기술의 급속한 발전과 함께 점군 데이터는 자율 주행, 3D 모델링, 의학 연구, 역공학, 농촌 활성화 등 여러 분야에서 널리 활용되고 있습니다. 그러나 장비 성능, 주변 환경 및 스캔 대상 자체의 특성에 영향을 받아 스캔된 점군 데이터에는 많은 노이즈가 포함되는 경우가 많아 후속 점군 처리의 정확도에 심각한 영향을 미치므로 노이즈 제거가 필요합니다. 전통적인 필터링 알고리즘이 매개변수에 대한 민감도가 낮고 계산 복잡도가 높으며 기하학적 특징 보존이 부족한 문제를 해결하기 위해 기하학적 특징을 보존하는 계층적 점군 노이즈 제거 알고리즘을 제안합니다. 먼저 이 알고리즘은 반경 필터링 알고리즘에 점군 밀도 특성을 도입하여 초기 매개변수 선택을 개선하고 대규모 노이즈 제거를 실현합니다. 그런 다음 KD 트리(K-Dimensional Tree)를 이용해 밀도 기반 노이즈 공간 클러스터링(DBSCAN) 알고리즘을 최적화하고, 각진 점 특징과 결합하여 DBSCAN 알고리즘의 매개변수를 적응적으로 선택하여 점군 데이터를 유효 클러스터, 모호한 클러스터 및 노이즈 클러스터로 분할하고 노이즈 클러스터를 제거합니다. 마지막으로 거리 합의 평가 알고리즘을 사용해 모호한 클러스터를 판별하며, 모호한 포인트와 점군에 적합한 곡면 사이의 거리를 계산해 노이즈 포인트 여부를 판단하여 소규모 노이즈 제거를 완료합니다. 실험은 공개 점군 데이터셋과 현장에서 수집한 농촌 점군 데이터를 사용해 제안된 알고리즘을 검증했으며, 결과는 DBSCAN 알고리즘, 개선된 포레스트 노이즈 제거법, 기하학적 특징 보존 노이즈 제거법, 개선된 밀도 클러스터 노이즈 제거법 및 다중 특징 그리드 노이즈 제거법과 비교해 제안된 알고리즘이 날카로운 기하학적 특징 보존에 더 우수하며 노이즈 제거 정확도가 각각 약 43%, 27%, 29%, 21%, 9% 향상됨을 보여줍니다. 이 알고리즘은 기하학적 특징을 효과적으로 유지하면서 노이즈 제거 정확도를 높일 수 있는 효과적인 점군 노이즈 제거 알고리즘입니다.

점군 노이즈 제거;반경 필터;거리 합의 평가;밀도;각진 점