【IPOL阅读】点云双边滤波

简介

IPOL，即Image Processing On Line，理论上是一个期刊，但影响因子很低，只是个SCIE，按理说没什么参考价值。但是，这个网站的所有文章，都附带了源代码和演示窗口，所以对初学者来说非常友好，可以说是相见恨晚的一个网站。

这篇2017年的文章，复现了用于点云的双边滤波算法，并提供了源代码，十分良心。

• Digne J, De Franchis C. The bilateral filter for point clouds[J]. Image Processing On Line, 2017, 7: 278-287.
• doi:10.5201/ipol
• 源码

点云滤波

假设曲面$\mathcal{M}$中每个点的法向量为${\vec{n}}_v$，那么滤波的目的，是让当前点的位置沿着法向量的方向发生变化

$$v+\delta v\cdot {\vec{n}}_v$$

其中$\delta v$表示如下

$$\delta v=\frac{{\sum }_{p\in N(v)}{w}_d(\Vert p-v\Vert )w_n(|⟨{\vec{n}}_v,p-v⟩|)⟨{\vec{n}}_v,p-v⟩}{{\sum }_{p\in N(v)}{w}_d(\Vert p-v\Vert )w_n(|⟨{\vec{n}}_v,p-v⟩|)}$$

$w_d,w_n$是两个离散函数，在后文中被定义为高斯函数。$⟨,⟩$表示内积，$p,v$作为三维点，在计算时当作向量处理。$N(v)$是点$v$的邻域。这些内容与2003年Fleishman等人发表在TOG上的文章相比，并无差别。

为了加速点云的双边滤波过程，本文通过使用八叉树，将数据划分为多个单元格，将不同单元格分配给不同的线程，从而实现了并行计算。

处理结果

IPOL提供了演示demo，除了输入点云之外，有三个参数需要调节，分别是邻域半径(neighborhood radius)，法邻域半径(normal neighborhood radius)和迭代次数(Number of filter iterations)，其处理结果如下