Denoising point cloud clustering process optimization the new value of k

本发明公开了一种点云聚类去噪过程中新的K值优化方法，步骤如下：（1）三维激光扫描仪获取真实物体表面的空间采样点；（2）以空间采样点作为K值优化聚类的聚类样本，使用K‑means聚类方法在聚类数搜索范围产生点云聚类的不同聚类结果，利用聚类有效性指标评价不同聚类结果，将获得的最佳聚类数作为最优K值；（3）以最优K值作为三维点云聚类去噪的聚类初始值，对三维点云进行聚类；（4）对聚类结果类内进行基于欧式距离的阈值判断来识别及去除局部离群噪声点，得到理想点云。 本发明采用新的K值优化方法，以该值对含噪点云进行优化聚类可以使得到的理想点云去噪精度更高，提高了去噪速度，使后期重建出的三维模型更加光顺，逼真。