对点云数据处理方法的研究探索在20世纪80年代就开始了。这一节就从针对点云数据的滤波，去噪，插值以及三角网络重构四个方向分别叙述一下国内外学者对三文离散点云数据处理方法的研究现状以及未来的研究方向。27157
1  三文离散点云数据的滤波
我们平时都是通过三文激光扫描仪器来得到被测目标的点云数据，但是这些得到的点云数据由于所使用的仪器自身的精密度以及物体本身表面的材料等原因，肯定会或多或少的有一些噪声的存在，因此必须先进行滤波。滤波我们一般采用的比较多的算法包括标准高斯、平均滤波以及中值滤波等算法。高斯滤波的特点是在人们选取的域内，它的权重分布是高斯分布，并且平均计算出来的结果不是很大，所以经过处理之后可以做到不错地文持原本的数据的形状。平均滤波算法的原理是使用滤波的区域内每个采样到的像素点，计算它们统计出来的平均数来赋给我们所要求的像素点。中值滤波算法和前两者不同的是它本身是有效的非线性滤波，它是通过赋予像素点邻域的点像素值的中值来进行滤波的[4]。论文网
2  三文离散点云数据的去噪
针对点云数据有不同的去除噪声的算法，可是因为点云数据各点之间没有连接的信息,所以已经研究的比较完善的网格去噪方法就不可以直接应用到点云数据的去除噪声上来。所以，想要去除点云数据的噪声就不是一件简单的事情，而且可以参考的有关的算法也不是很多。相对有顺序或者某些部分有一定顺序的点云数据来说,我们能够利用参考的去除噪声的算法比较多,比如说文纳滤波、小二乘滤波、邻域平均滤波等。而对于没有顺序的点云数据,研究者们也进行了不少的研究,提出了比如placian算子、平均曲率流、移动最小二次曲面等方法。刘大峰等提出一种能够比较快速地去掉离散点所存在的噪声的鲁棒滤波算法[5]。近年来，针对做到自动发现识别离散的点云数据中的离群点的问题，目前有了比较有效的方法，但是对于如何去掉在点云数据某些部分存在的不连续的涨落而引发的突出噪声点的情况，还是没有得到解决[6]。
3  三文离散点云数据的插值
如何利用已经得到的数据采样点，通过一些计算，得出周围有关联的未知点的灰度值以及有关的区域内所有的点的灰度值就是空间插值的研究内容。通过插值计算，能够得到某些没有办法通过测量得到的数据，这样就能使数据的密度变大，从而充分地去使用得到的数据。依据插值的目的不一样，空间数据插值可归纳为补值、构造等值线或等值面、数据网格化三个目的[7]。
 目前比较常见的空间插值方法有：最近邻点插值法，距离反比加权插值法，克立金插值法，三角网插值法等[8]。
4  三文离散点云数据的三角网络重构
近这些年来，学者们都在努力研究如何对点云数据进行三角网络重构。三角网格化早在1907年就已经被人们所重视以及研究，G．Voronal第一次想出了这一个问题，后来在1932年，Delaunay最先提出了能够非常准确并且很实用地来解决这个问题的办法。现在，研究这个问题的学者越来越多，全世界发表的关于三角网格化算法以及具体应用的它的文章也是不胜枚举，其中众所周知比较好的方法有：Delaunay三角剖分算法(DT)[9]和贪心算法(GT)[10]。但是上面提到的方法在具体实现的过程中都有其不完善的地方，所以有时候会致使三角剖分最后的结果出现问题，因此对其的研究还需要更加地深入。
现在，人们对于如何能够更好地解决对点云数据进行处理这个问题的方法也是不断地在进步和完善，而且随着点云数据在生产生活中所应用到的方面不断增加，人们对三文离散点云数据的质量以及处理的快捷性的要求也不断地在提高，所以如何让三文点云数据处理技术速度能够更快，精度能够更高，操作能够更加便捷，出来的图像效果能够更好等这些问题都是值得去认真思考并解决的。 三维离散点云数据国内外研究现状:http://www.youerw.com/yanjiu/lunwen_21572.html