關於點雲濾波去噪的方法
為什么進行點雲濾波處理：
為什么進行點雲濾波處理：
（1） 點雲數據密度不規則需要平滑
（2） 因為遮擋等問題造成離群點需要去除
（3） 大量數據需要下采樣
（4） 噪聲數據需要去除
1234
（2） 因為遮擋等問題造成離群點需要去除
（3） 大量數據需要下采樣
（4） 噪聲數據需要去除
1234
點雲數據去噪濾波方法：
雙邊濾波、高斯濾波、分箱去噪、KD-Tree、直通濾波、隨機采樣一致性濾波等
1
1
方法定義以及適用性：
1.雙邊濾波：將距離和空間結構結合去噪，效果較好。只適用於有序點雲
2.高斯濾波（標准差去噪）：適用於呈正態分布的數據。考慮到離群點的特征，則可以定義某處點雲小於某個密度，既點雲無效。計算每個點到其最近的k個點平均距離。則點雲中所有點的距離應構成高斯分布。給定均值與方差，可剔除3∑之外的點。
3.分箱去噪：適用於呈偏態分布的數據。
4.dbscan：基於聚類原理去噪，復雜度較高。
5.KD-Tree（孤立森林）：復雜度高。構建KD樹，隨機取點求平均距離d，刪掉所有大於2d的點。適用於無序點雲去噪。
6.條件濾波：條件濾波器通過設定濾波條件進行濾波，有點分段函數的味道，當點雲在一定范圍則留下，不在則舍棄。
7.直通濾波
8.隨機采樣一致性濾波
9.體素濾波：
體素的概念類似於像素，使用AABB包圍盒將點雲數據體素化，一般體素越密集的地方信息越多，噪音點及離群點可通過體素網格去除。另一方面如果使用高分辨率相機等設備對點雲進行采集，往往點雲會較為密集。過多的點雲數量會對后續分割工作帶來困難。體素濾波器可以達到向下采樣同時不破壞點雲本身幾何結構的功能。
10.半徑濾波：
半徑濾波器與統計濾波器相比更加簡單粗暴。以某點為中心畫一個圓計算落在該圓中點的數量，當數量大於給定值時，則保留該點，數量小於給定值則剔除該點。此算法運行速度快，依序迭代留下的點一定是最密集的，但是圓的半徑和圓內點的數目都需要人工指定。
————————————————
版權聲明：本文為CSDN博主「致寧」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/weixin_43214609/article/details/86634722
2.高斯濾波（標准差去噪）：適用於呈正態分布的數據。考慮到離群點的特征，則可以定義某處點雲小於某個密度，既點雲無效。計算每個點到其最近的k個點平均距離。則點雲中所有點的距離應構成高斯分布。給定均值與方差，可剔除3∑之外的點。
3.分箱去噪：適用於呈偏態分布的數據。
4.dbscan：基於聚類原理去噪，復雜度較高。
5.KD-Tree（孤立森林）：復雜度高。構建KD樹，隨機取點求平均距離d，刪掉所有大於2d的點。適用於無序點雲去噪。
6.條件濾波：條件濾波器通過設定濾波條件進行濾波，有點分段函數的味道，當點雲在一定范圍則留下，不在則舍棄。
7.直通濾波
8.隨機采樣一致性濾波
9.體素濾波：
體素的概念類似於像素，使用AABB包圍盒將點雲數據體素化，一般體素越密集的地方信息越多，噪音點及離群點可通過體素網格去除。另一方面如果使用高分辨率相機等設備對點雲進行采集，往往點雲會較為密集。過多的點雲數量會對后續分割工作帶來困難。體素濾波器可以達到向下采樣同時不破壞點雲本身幾何結構的功能。
10.半徑濾波：
半徑濾波器與統計濾波器相比更加簡單粗暴。以某點為中心畫一個圓計算落在該圓中點的數量，當數量大於給定值時，則保留該點，數量小於給定值則剔除該點。此算法運行速度快，依序迭代留下的點一定是最密集的，但是圓的半徑和圓內點的數目都需要人工指定。
————————————————
版權聲明：本文為CSDN博主「致寧」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/weixin_43214609/article/details/86634722