给点云添加噪声

神经网络样本增加噪声的原因：
数据集只能代表真实数据分布的局部情况，除非数据集无限大（连续分布）或者包含所有可能的数据（离散分布），否则网络不能完全学习到数据的真实分布，所以不能完全覆盖到真实的所有数据分布，即过拟合到局部优化点。此时，数据扩增成为增加数据集的多样性的一个方法，也就能扩大网络拟合数据真实分布的能力，尽可能减小经验风险，增加泛化性能，从而在未见过的测试集上表现更好。而数据扩增的一个简单方式就是对已有的数据进行扰动加噪。

添加高斯噪声：
主要利用了numpy库

np.random.normal()
“”“
normal(loc=0.0, scale=1.0, size=None)    
Draw random samples from a normal (Gaussian) distribution.
loc：float 此概率分布的均值（对应着整个分布的中心centre）
scale：float 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size：int or tuple of ints 输出的shape，默认为None，只输出一个值
”“”

完整代码

import numpy as np


def noise_Gaussian(points, mean):
    noise = np.random.normal(0, mean, points.shape)
    out = points + noise
    return out


def main():
    # 加载点云
    points = np.loadtxt('./cloud_1.txt')[:, 0:3]
    # 获取添加噪声的点云
    out = noise_Gaussian(points, 0.05)
    # 保存点云
    np.savetxt("out.txt", out, fmt='%.6f', delimiter=' ')


if __name__ == '__main__':
    main()

结果展示：

觉得能用的话，那就点个赞吧，亲！

参考博客：
从np.random.normal()到正态分布的拟合
神经网络的样本为何要增加噪声？