2.4.3点云法向预平滑及邻域优化
喷涂机器人虽然PCA算法获得了点云的法向信息，但通过计算获得物体表面三维点云鱿法向信息精度不高，不能将其直接运用到喷涂轨迹规划中，在获得点云的法向信息后，需要对其进行预处理获得更为合适的点云法向信息。因此，本文在PCA报术基础上引入双边滤波降噪的方法对点云法向进行预平滑处理。
2.4.4点云降噪处理
通过上述方法得到的最优化邻域点集包含了部分噪声点，因此本章基于最优邻域内的点云数据提出了一种点云降噪算法。
如图2.7所示，用二维示意图来表示最优邻域内点云的三维分布，可见噪声点
如图2.8中所示为汽车油箱点云模型降噪前后的对比图，从图中可以观察到油箱点云模型经过处理后的点云排列更加有序，曲面重构后的表面更加光顺，达到了降噪的目的。排列有序的点云数据有利于更好的识别特征，根据特征点云便可建立相应的漆膜厚度分布模型。
2.5点云特征识别
在实际喷涂作业中，喷涂工件表面形状通常由多种曲面组合而成，如平面、二次曲面、小曲率曲面等。因此，在自动化喷涂轨迹规划中必须自动识别工件表面每一处的特征，针对不同形状特征采用不同的漆膜厚度分布模型以及执行不同的喷涂轨迹规划方法。
在2.4节点云降噪处理过程中我们己经通过PCA算法获得了点云的法向信息，基于此本文根据点云法向信息分割点云模型并识别各面片的特征。
此算法可以快速、精确的识别点云特征，并根据识别结果确定曲面类型。在自动化喷涂轨迹规划中，根据识别的曲面类型采用合适的漆膜厚度分布模型以及执行合理的喷涂轨迹规划方法。
2.6本章小结
喷涂机器人本章分析了工件表面点云数据的获取技术，并结合实际情况采用华中科技大学的PowerScan系列的面结构光三维扫描仪采集工件表面三维数据信息;分析点云数据降噪处理算法，提出了基于PCA法向优化的降噪算法;基于获取的点云法向信息引用误差向量幅度算法对点云特征进行识别，为开展工件表面特征曲面的漆膜厚度分布模型的建立与喷涂轨迹规划及优化奠定了基础。