A remoção de ruídos outliers em nuvens de pontos tridimensionais é de grande importância para a inspeção industrial de precisão. Devido à existência de aglomerados de ruídos outliers nas nuvens de pontos 3D de componentes com estruturas complexas, os métodos tradicionais de remoção de ruído tendem a confundi-los com alvos de pequeno tamanho, não conseguindo removê-los. Este artigo propõe um método baseado na similaridade multifacetada para remover aglomerados de ruídos outliers, considerando as características distintas entre o ruído e a nuvem de pontos 3D do objeto medido. Primeiramente, a nuvem de pontos é dividida em voxels de tamanho uniforme, e a relação de adjacência dos voxels é estabelecida com base no índice de posição de cada voxel. Ruídos outliers isolados em voxels com número de pontos inferior a um limite pré-definido são removidos. Em seguida, realiza-se a clusterização das nuvens de pontos dos voxels adjacentes remanescentes, com base no índice espacial 3D dos voxels, para acelerar a velocidade da clusterização. Para cada cluster de pontos resultante, calcula-se a densidade dos pontos 3D e a rugosidade da superfície para construir um vetor multifacetado de características. Finalmente, utiliza-se a distância de Mahalanobis para calcular a similaridade multifacetada entre diferentes clusters de nuvens de pontos, estabelecendo, com base na distância de Mahalanobis do cluster alvo, um limiar de decisão para remover os ruídos outliers. O método proposto foi validado por experimentos de remoção de ruído em conjuntos de dados públicos e nuvens de pontos 3D de peças complexas coletadas por instrumentos de medição 3D, realizando-se experimentos comparativos com o método de remoção de ruído de duplo limiar DTD, o método baseado em características locais DLNF e o método de remoção de ruído por aprendizado profundo POINTCLEANNET. Os resultados experimentais mostram que a precisão e a taxa de recall do método proposto são 1 e 0,98 respectivamente, superando os outros três métodos comparados, além de apresentar o menor tempo de remoção de ruído, sendo adequado para inspeção industrial precisa online.

remoção de ruído em nuvem de pontos; similaridade multifacetada; voxelização de nuvem de pontos; clusterização de nuvem de pontos