一种有序点云的去噪方法、装置、电子设备及存储介质与流程

1.本技术涉及扫描数据处理技术领域，尤其涉及一种有序点云的去噪方法、装置、电子设备及存储介质。


背景技术：

2.激光扫描设备可以获取高精度的物理空间环境信息，具有对环境感知的先天优势，因此被广泛应用于汽车自动驾驶、定位导航、空间测绘及安保安防等领域。通常情况下，激光扫描设备在扫描目标障碍物时通过搜集反射光束来形成点云数据。然而，现实扫描中获取到的点云数据中难以避免地会存在拖尾噪点，但现有的点云去噪一般采用统计学滤波方法，其原理为对每一点的邻域进行统计分析，基于点到所有邻近点的距离分布特征，过滤掉一些不满足要求的离群点，这样不仅无法去除拖尾噪点，而且由于滤波时会将拖尾噪点也统计在内，导致滤波的精准度差，对于复杂扫描场景的点云数据，还可能丢失重要的细节信息。综上，可见现有的点云去噪方法存在无法消除拖尾噪点以致去噪效果差的问题。


技术实现要素：

3.本技术提供了一种有序点云的去噪方法、装置、电子设备及存储介质，能够通过准确地消除拖尾噪点，提高点云数据的去噪效果。
4.第一方面，本技术实施例提供了一种有序点云的去噪方法，应用于激光扫描设备，激光扫描设备采集的有序点云数据包括多行多列按照扫描顺序排列的点，该方法包括：
5.从有序点云数据中读取相邻的第一点和第二点，第一点和第二点位于同一行且第二点的列号大于第一点的列号，或第一点和第二点位于同一列且第二点的行号大于第一点的行号，第一点和第二点中包括至少一个未读取过的点；
6.获取第二点对应的特征值，特征值为第一点、第二点与有序点云数据的零点形成的三角形中零点对应的角的角度值，零点为激光扫描设备的视点；
7.获取特征值对应的特征阈值范围，特征阈值范围是根据第一点的列号和第二点的列号，或第一点的行号和第二点的行号确定的；
8.判断第二点对应的特征值是否在特征阈值范围内；若否，从有序点云数据中删除第二点，并转至从有序点云数据中读取相邻的第一点和第二点的步骤；若是，直接转至从有序点云数据中读取相邻的第一点和第二点的步骤；
9.循环执行上述步骤，直至有序点云数据中不存在未读取过的点，得到第一有序点云数据。
10.在其中一个实施例中，获取特征值对应的特征阈值范围，包括：
11.获取预设的基础经验阈值、第一点的列号及第二点的列号，根据基础经验阈值、第一点的列号及第二点的列号，计算得到特征阈值范围；
12.特征阈值范围的计算公式为：
13.特征阈值范围＝
14.[(第二点的列号-第一点的列号)
×
基础经验阈值，π-第二点的列号-第一点的列号)
×
基础经验阈值。
[0015]
在其中一个实施例中，获取特征值对应的特征阈值范围，包括：
[0016]
获取预设的基础经验阈值、第一点的行号及第二点的行号，根据基础经验阈值、第一点的行号及第二点的行号，计算得到特征阈值范围；
[0017]
特征阈值范围的计算公式为：
[0018]
特征阈值范围＝
[0019]
[(第二点的行号-第一点的行号)
×
基础经验阈值，π-第二点的行号-第一点的行号)
×
基础经验阈值。
[0020]
在其中一个实施例中，获取第二点对应的特征值，包括：
[0021]
获取第一点的坐标值和第二点的坐标值；
[0022]
根据第一点的坐标值和第二点的坐标值，得到有序点云数据的零点分别与第一点和第二点组成的第一向量和第二向量；
[0023]
根据第一向量与第二向量，计算第一点、第二点与有序点云数据的零点形成的三角形中零点对应的角的角度值。
[0024]
在其中一个实施例中，获取预设的基础经验阈值，包括：
[0025]
获取激光扫描设备的设备信息；
[0026]
从预设的经验阈值集合中选取设备信息对应的经验阈值，将设备信息对应的经验阈值设为基础经验阈值。
[0027]
在其中一个实施例中，该方法还包括：
[0028]
对第一有序点云数据进行去噪处理，得到第二有序点云数据。
[0029]
在其中一个实施例中，对第一有序点云数据进行去噪处理，包括：
[0030]
通过统计学滤波对第一有序点云数据进行去噪处理。
[0031]
第二方面，本技术实施例提供了一种有序点云的去噪装置，应用于激光扫描设备，激光扫描设备采集的有序点云数据包括多行多列按照扫描顺序排列的点，该装置包括：
[0032]
数据读取模块，用于从有序点云数据中读取相邻的第一点和第二点，第一点和第二点位于同一行且第二点的列号大于第一点的列号，或第一点和第二点位于同一列且第二点的行号大于第一点的行号，第一点和第二点中包括至少一个未读取过的点；
[0033]
特征值获取模块，用于获取第二点对应的特征值，特征值为第一点、第二点与有序点云数据的零点形成的三角形中零点对应的角的角度值，零点为激光扫描设备的视点；
[0034]
特征阈值范围获取模块，用于获取特征值对应的特征阈值范围，特征阈值范围是根据第一点的列号和第二点的列号，或第一点的行号和第二点的行号确定的；
[0035]
判断模块，用于判断第二点对应的特征值是否在特征阈值范围内；若否，从有序点云数据中删除第二点，并转至从有序点云数据中读取相邻的第一点和第二点的步骤；若是，直接转至从有序点云数据中读取相邻的第一点和第二点的步骤；
[0036]
第一去噪模块，用于循环执行上述步骤，直至有序点云数据中不存在未读取过的点，得到第一有序点云数据。
[0037]
第三方面，本技术实施例提供了一种电子设备，包括存储器及处理器，存储器中储存有计算机程序，计算机程序被处理器执行时，使得处理器执行如上述任一实施例的有序
点云的去噪方法的步骤。
[0038]
第四方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一实施例的有序点云的去噪方法的步骤。
[0039]
综上，与现有技术相比，本技术提供的技术方案带来的有益效果至少包括：
[0040]
本技术提供的一种有序点云的去噪方法，应用于激光扫描设备，激光扫描设备采集的有序点云数据包括多行多列按照扫描顺序排列的点，该方法包括：从有序点云数据中读取相邻的第一点和第二点，第一点和第二点位于同一行且第二点的列号大于第一点的列号，或第一点和第二点位于同一列且第二点的行号大于第一点的行号，第一点和第二点中包括至少一个未读取过的点；获取第二点对应的特征值，特征值为第一点、第二点与有序点云数据的零点形成的三角形中零点对应的角的角度值，零点为激光扫描设备的视点；获取特征值对应的特征阈值范围，特征阈值范围是根据第一点的列号和第二点的列号，或第一点的行号和第二点的行号确定的；判断第二点对应的特征值是否在特征阈值范围内；若否，从有序点云数据中删除第二点，并转至从有序点云数据中读取相邻的第一点和第二点的步骤；若是，直接转至从有序点云数据中读取相邻的第一点和第二点的步骤；循环执行上述步骤，直至有序点云数据中不存在未读取过的点，得到第一有序点云数据，其中，该第一有序点云数据为消除了拖尾噪点的有序点云数据。上述方法采用读取到的两个相邻点与有序点云数据的零点形成的夹角角度作为判断拖尾噪点时使用的特征值，且特征阈值范围是根据两个相邻点各自的列号或行号确定的，由于在实际扫描过程中，激光扫描设备采集的有序点云数据中难免存在空点，读取到的相邻点之间可能间隔不定数量的空点，如果按固定的特征阈值范围进行判断，无法得到准确的判断结果，而根据两个相邻点各自的列号或行号确定出特征阈值范围，通过判断角度值是否在特征阈值范围内来判定两个相邻点中的第二点是否为拖尾噪点，可以排除空点的影响，从而更准确地确定和消除有序点云数据中的拖尾噪点。
附图说明
[0041]
图1为本技术一个示例性实施例提供的有序点云的去噪方法的流程图。
[0042]
图2为本技术一个示例性实施例提供的特征阈值范围获取步骤的流程图。
[0043]
图3为本技术一个示例性实施例提供的角度值获取步骤的流程图。
[0044]
图4为本技术又一个示例性实施例提供的有序点云的去噪方法的流程图。
[0045]
图5为本技术一个示例性实施例提供的有序点云的去噪装置的结构图。
[0046]
图6为本技术又一个示例性实施例提供的有序点云的去噪装置的结构图。
具体实施方式
[0047]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0048]
请参见图1，本技术实施例提供了一种有序点云的去噪方法，该方法应用于激光扫描设备，以执行主体是激光扫描设备为例进行说明，该方法具体包括以下步骤：
[0049]
步骤s1，从有序点云数据中读取相邻的第一点和第二点，第一点和第二点中包括至少一个未读取过的点。
[0050]
其中，激光扫描设备采集的有序点云数据包括多行多列按照扫描顺序排列的点，比如m行
×
n列按照扫描顺序排列的点，其中，m和n均为大于一的整数；第一点和第二点位于同一行且第二点的列号大于第一点的列号，或第一点和第二点位于同一列且第二点的行号大于第一点的行号。
[0051]
在具体实施过程中，读取到的两个相邻点包括位于同一行或同一列的第一点和第二点，而有序点云数据中的空点是无法被读取到的。设备可以按行或按列对有序点云数据进行扫描，从而从有序点云数据中读取到两个相邻点，例如：从有序点云数据的第a列中读取到第i－1个点和第i个点，其中，i为大于1且小于等于m的整数，a为大于0且小于等于n的整数。具体地，按行从有序点云数据中读取两个相邻点时，读取到的两个相邻点位于同一行，该两个相邻点中第一点的列号小于第二点的列号；而按列从有序点云数据中读取两个相邻点时，读取到的两个相邻点位于同一列，该两个相邻点中第一点的行号小于第二点的行号；其中，某一点的行号和列号指的是该点所在行的序号和所在列的序号。
[0052]
步骤s2，获取第二点对应的特征值，特征值为第一点、第二点与有序点云数据的零点形成的三角形中零点对应的角的角度值。
[0053]
其中，零点为激光扫描设备的视点，特征值可以为有序点云数据的零点、第i个点和第i－1个点形成的三角形中零点对应的角的角度值。
[0054]
具体地，设备通过计算两个相邻点的坐标值可以得到上述角度值。
[0055]
步骤s3，获取特征值对应的特征阈值范围，特征阈值范围是根据第一点的列号和第二点的列号，或第一点的行号和第二点的行号确定的。
[0056]
其中，特征阈值范围为非拖尾噪点对应的角度值的取值范围；由于在实际扫描过程中，激光扫描设备采集的有序点云数据中难免存在空点，读取到的相邻点之间可能间隔不定数量的空点，如果按固定阈值范围进行判断，无法准确判断，而上述特征阈值范围是根据两个相邻点各自的列号或行号确定的，考虑到了两个相邻点可能间隔数行或数列的可能性，因此可排除空点的影响，形成更准确的判断标准。
[0057]
步骤s4，判断第二点对应的特征值是否在特征阈值范围内；若否，从有序点云数据中删除第二点，并转至从有序点云数据中读取相邻的第一点和第二点的步骤；若是，直接转至从有序点云数据中读取相邻的第一点和第二点的步骤。
[0058]
具体地，判断角度值是否位于特征阈值范围内，若否，则判定两个相邻点中列号或行号较大的第二点为拖尾噪点，删除该拖尾噪点，并转至步骤s1；若是，则判定第二点不是拖尾噪点，保留该第二点，直接转至步骤s1。不过在实际实施时，还可能出现角度值为零的情况，这种情况说明第一点与第二点重合，或者第二点与零点重合，此时第二点为扫描设备记录的有值无效点，也需要对其进行删除，虽然此时第二点不是拖尾噪点，但零也不在特征阈值范围内，因此本方法除了可以筛除拖尾噪点外，还可以消除有值无效点。
[0059]
例如：判断第i个点对应的上述角度值是否位于特征阈值范围内；若否，则删除第i个点；若是，则在有序点云数据中保留第i个点。
[0060]
在步骤s4中，在对第二点进行删除或保留操作后，转至步骤s1，重新从有序点云数据中的每行或每列中读取两个相邻点，重新读取的两个相邻点可以包括一个或两个未读取
过的点，例如：在第二点不是拖尾噪点时，一种方式是读取第二点及其下一点作为相邻点，此时重新读取的两个相邻点只包括一个未读取过的点；另一种方式是跳过已读取过的第二点，重新读取该第二点后面的两个相邻点(第三点和第四点)，此时重新读取的两个相邻点均为未读取过的点。
[0061]
步骤s5，循环执行上述步骤，直至有序点云数据中不存在未读取过的点，得到第一有序点云数据。
[0062]
具体地，在对有序点云数据进行拖尾去噪的过程中，循环执行上述步骤s1至s4，直至有序点云数据中的点全部被读取过，从而将有序点云数据中的所有拖尾噪点筛除掉，得到第一有序点云数据。例如：对于从有序点云数据的第a列中读取到的第i－1个点和第i个点，可以按步骤s1至步骤s4将a从1循环到n，且i从2循环到m，得到第一有序点云数据，第一有序点云数据为已筛除所有拖尾噪点的有序点云数据。
[0063]
上述实施例中提供的一种有序点云的去噪方法，应用于激光扫描设备，激光扫描设备采集的有序点云数据包括多行多列按照扫描顺序排列的点，该方法包括：从有序点云数据中读取相邻的第一点和第二点，第一点和第二点中包括至少一个未读取过的点；获取第二点对应的特征值，特征值为第一点、第二点与有序点云数据的零点形成的三角形中零点对应的角的角度值；获取特征值对应的特征阈值范围，特征阈值范围是根据第一点的列号和第二点的列号，或第一点的行号和第二点的行号确定的；判断第二点对应的特征值是否在特征阈值范围内；若否，从有序点云数据中删除第二点，并转至从有序点云数据中读取相邻的第一点和第二点的步骤；若是，直接转至从有序点云数据中读取相邻的第一点和第二点的步骤；循环执行上述步骤，直至有序点云数据中不存在未读取过的点，得到第一有序点云数据。其中，该第一有序点云数据为消除了拖尾噪点的有序点云数据。上述方法采用读取到的两个相邻点与有序点云数据的零点形成的夹角角度作为判断拖尾噪点时使用的特征值，且特征阈值范围是根据两个相邻点各自的列号或行号确定的，由于在实际扫描过程中，激光扫描设备采集的有序点云数据中难免存在空点，读取到的相邻点之间可能间隔不定数量的空点，如果按固定的特征阈值范围进行判断，无法得到准确的判断结果，而根据两个相邻点各自的列号或行号确定出特征阈值范围，通过判断角度值是否在特征阈值范围内来判定两个相邻点中的第二点是否为拖尾噪点，可以排除空点的影响，从而更准确地确定和消除有序点云数据中的拖尾噪点。
[0064]
在一些实施例中，请参见图2，步骤s3具体包括以下步骤：
[0065]
步骤s31，获取预设的基础经验阈值、第一点的列号及第二点的列号。
[0066]
其中，基础经验阈值为激光扫描设备对应的固定经验阈值，通常可以基于经验确定。
[0067]
具体地，获取两个相邻点中的第一点的列号和第二点的列号，例如：获取第i个点对应的阈值范围，阈值范围是基于第i个点所在的列号以及第i－1个点所在的列号设置的；获取预设的基础经验阈值，并获取第i个点的列号以及第i－1个点的列号；根据基础经验阈值、第i个点的列号以及第i－1个点的列号，计算得到第i个点对应的阈值范围。
[0068]
在一些实施方式中，步骤s31中获取预设的基础经验阈值，包括：
[0069]
获取激光扫描设备的设备信息。
[0070]
从预设的经验阈值集合中选取设备信息对应的经验阈值，将设备信息对应的经验
阈值设为基础经验阈值。
[0071]
其中，设备信息可以包括设备标识、设备型号、设备扫描精度等信息中的一种或多种；预设的经验阈值集合可以包括与多种设备信息分别对应的经验阈值，技术人员可以基于经验设置经验阈值，不同精度的激光扫描设备，其采用的经验阈值不同，通常一台设备的设备扫描精度越高，其采用的经验阈值的值就越高。
[0072]
上述实施方式可以根据激光扫描设备的不同选择相应的基础经验阈值，便于快速获取基础经验阈值，从而提高去噪效率。
[0073]
步骤s32，根据基础经验阈值、第一点的列号及第二点的列号，计算得到特征阈值范围。
[0074]
其中，特征阈值范围的计算公式为：
[0075]
特征阈值范围＝
[0076]
[(第二点的列号-第一点的列号)
×
基础经验阈值，π-第二点的列号-第一点的列号)
×
基础经验阈值。
[0077]
在另一些实施例中，步骤s3具体包括以下步骤：获取预设的基础经验阈值、第一点的行号及第二点的行号，根据基础经验阈值、第一点的行号及第二点的行号，计算得到特征阈值范围。
[0078]
其中，特征阈值范围的计算公式为：
[0079]
特征阈值范围＝
[0080]
[(第二点的行号-第一点的行号)
×
基础经验阈值，π-(第二点的行号-第一点的行号)
×
基础经验阈值。
[0081]
上述实施例可以根据两个相邻点各自的列号或行号来计算得到特征阈值范围，能够在有序点云数据中存在空点时，通过拉大两个相邻点之间的跨度，排除空点的影响，以便提供更准确的判断拖尾噪点的特征阈值范围。
[0082]
在一些实施例中，请参见图3，步骤s2具体包括以下步骤：
[0083]
步骤s21，获取第一点的坐标值和第二点的坐标值。
[0084]
其中，激光扫描得到的点云中每个点可以包括三维坐标。
[0085]
具体地，获取第一点的坐标值(x1，y1，z1)和第二点的坐标值(x2，y2，z2)。
[0086]
步骤s22，根据第一点的坐标值和第二点的坐标值，得到有序点云数据的零点分别与第一点和第二点组成的第一向量和第二向量。
[0087]
其中，第一向量为有序点云数据的零点(0，0，0)与第一点(x1，y1，z1)组成的向量，第二向量为有序点云数据的零点(0，0，0)与第二点(x2，y2，z2)组成的向量。
[0088]
具体地，根据第一点的坐标值(x1，y1，z1)和第二点的坐标值(x2，y2，z2)，可得到零点到第一点的第一向量以及零点到第二点的第二向量。
[0089]
步骤s23，根据第一向量与第二向量，计算第一点、第二点与有序点云数据的零点形成的三角形中零点对应的角的角度值。
[0090]
其中，第一向量与第二向量之间的夹角就是两个相邻点与有序点云数据的零点形成的三角形中零点对应的角；具体地，通过计算第一向量与第二向量之间的夹角的角度值，即可得到两个相邻点与有序点云数据的零点形成的三角形中零点对应的角的角度值。
[0091]
例如：获取第a列中的第i个点的坐标值和第i－1个点的坐标值；根据第i个点的坐
标值和第i－1个点的坐标值，得到有序点云数据的零点与第i－1个点组成的第一向量和零点与第i个点组成的第二向量；根据第一向量与第二向量，计算得到有序点云数据的零点、第i个点和第i－1个点形成的三角形中零点对应的角的角度值。其中，第一向量与第二向量之间夹角的角度值即是有序点云数据的零点、第a列中第i个点和第i－1个点形成的三角形中零点对应的角的角度值，根据第一向量与第二向量，可以计算得到第i个点对应的角度值，即零点、第i个点和第i－1个点形成的三角形中零点对应的角的角度值。
[0092]
上述实施例中，该方法可以通过计算有序点云数据的零点分别与两个相邻点组成的第一向量和第二向量之间夹角的角度值，得到所需角度值，由于根据点坐标可以方便快速地构建两个相邻点对应的向量，无需引入其他数据计算，从而能进一步提高去噪效率。
[0093]
在实际实施过程中，如果未去除拖尾噪点就对点云数据进行滤波处理，受到拖尾噪点影响，滤波的精准度会很差，特别是对于复杂扫描场景的点云数据进行滤波，往往会丢失重要的细节信息，导致数据失真。
[0094]
请参见图4，为了解决数据失真的问题，在一些实施例中，除了步骤s1至s5外，该方法具体包括以下步骤：
[0095]
步骤s6，对第一有序点云数据进行去噪处理，得到第二有序点云数据。
[0096]
其中，第一有序点云数据为去除了拖尾噪点的有序点云数据，对其进一步去噪处理，可以得到更好的去噪效果。
[0097]
具体地，可以通过统计学滤波和/或离群点检测去噪对第一有序点云数据进行去噪处理。
[0098]
上述实施例中，该方法可以对筛除了拖尾噪点的点云数据进一步去噪处理，由于第一有序点云数据中没有拖尾噪点，通过统计学滤波和/或离群点检测再次进行去噪时，可以提高去噪的精准度，最大程度保留扫描需要的信息，特别是对于扫描复杂场景采集到的点云数据，可以避免丢失重要的细节信息。
[0099]
请参见图5，本技术另一实施例提供了一种有序点云的去噪装置，该装置应用于激光扫描设备，激光扫描设备采集的有序点云数据包括多行多列按照扫描顺序排列的点，该装置包括：
[0100]
数据读取模块101，用于从有序点云数据中读取相邻的第一点和第二点，第一点和第二点位于同一行且第二点的列号大于第一点的列号，或第一点和第二点位于同一列且第二点的行号大于第一点的行号，第一点和第二点中包括至少一个未读取过的点；
[0101]
特征值获取模块102，用于获取第二点对应的特征值，特征值为第一点、第二点与有序点云数据的零点形成的三角形中零点对应的角的角度值，零点为激光扫描设备的视点；
[0102]
特征阈值范围获取模块103，用于获取特征值对应的特征阈值范围，特征阈值范围是根据第一点的列号和第二点的列号，或第一点的行号和第二点的行号确定的；
[0103]
判断模块104，用于判断第二点对应的特征值是否在特征阈值范围内；若否，从有序点云数据中删除第二点，并转至从有序点云数据中读取相邻的第一点和第二点的步骤；若是，直接转至从有序点云数据中读取相邻的第一点和第二点的步骤；
[0104]
第一去噪模块105，用于循环执行上述步骤，直至有序点云数据中不存在未读取过的点，得到第一有序点云数据。
[0105]
在一些实施例中，特征阈值范围获取模块103可以具体用于获取预设的基础经验阈值、第一点的列号及第二点的列号，根据基础经验阈值、第一点的列号及第二点的列号，计算得到特征阈值范围。
[0106]
特征阈值范围的计算公式为：
[0107]
特征阈值范围＝
[0108]
[(第二点的列号-第一点的列号)
×
基础经验阈值，π-(第二点的列号-第一点的列号)
×
基础经验阈值。
[0109]
在另一些实施例中，特征阈值范围获取模块103可以具体用于获取预设的基础经验阈值、第一点的行号及第二点的行号，根据基础经验阈值、第一点的行号及第二点的行号，计算得到特征阈值范围。
[0110]
特征阈值范围的计算公式为：
[0111]
特征阈值范围＝
[0112]
[(第二点的行号-第一点的行号)
×
基础经验阈值，π-(第二点的行号-第一点的行号)
×
基础经验阈值。
[0113]
在一些实施例中，特征阈值范围获取模块103可以具体用于获取激光扫描设备的设备信息；从预设的经验阈值集合中选取设备信息对应的经验阈值，将设备信息对应的经验阈值设为基础经验阈值。
[0114]
在一些实施例中，特征值获取模块102可以具体用于获取第一点的坐标值和第二点的坐标值；根据第一点的坐标值和第二点的坐标值，得到有序点云数据的零点分别与第一点和第二点组成的第一向量和第二向量；根据第一向量与第二向量，计算第一点、第二点与有序点云数据的零点形成的三角形中零点对应的角的角度值。
[0115]
在一些实施例中，请参见图6，该装置还包括：
[0116]
第二去噪模块106，用于对第一有序点云数据进行去噪处理，得到第二有序点云数据。
[0117]
具体地，第二去噪模块106用于通过统计学滤波和/或离群点检测去噪对第一有序点云数据进行去噪处理。
[0118]
本实施例中提供的关于有序点云的去噪装置的具体限定，可以参见上文中关于有序点云的去噪方法的实施例，于此不再赘述。上述有序点云的去噪装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0119]
本技术实施例提供了一种电子设备，该电子设备可以包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。处计算机程序被处理器执行时，使得处理器执行如上述任一实施例的有序点云的去噪方法的步骤。
[0120]
本实施例提供的电子设备的工作过程、工作细节和技术效果，可以参见上文中关于有序点云的去噪方法的实施例，于此不再赘述。
[0121]
本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一实施例的有序点云的去噪方法的步骤。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(memory stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
[0122]
本实施例提供的计算机可读存储介质的工作过程、工作细节和技术效果，可以参见上文中关于有序点云的去噪方法的实施例，于此不再赘述。
[0123]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0124]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0125]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。