PCL 偏度平衡滤波(SKF)算法

最新推荐文章于 2024-09-23 20:41:21 发布
最新推荐文章于 2024-09-23 20:41:21 发布
阅读量580 收藏 2
点赞数
分类专栏： 点云进阶 文章标签： c++ 开发语言 算法 3d 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36686437/article/details/128884678
版权
点云进阶 专栏收录该内容
139 篇文章 1523 订阅 ¥39.90 ¥99.00
订阅专栏
SKF算法基于点云中地面点的高程概率密度分布符合正态分布的假设，通过计算偏度来识别并剔除非地面点，逐步平衡分布直至偏度接近0，实现地面点与非地面点的滤波分离。算法应用包括从点云数据中提取地面点。引用文献来源于冯茂林的机载Lidar点云研究。
摘要由CSDN通过智能技术生成

目录

一、算法原理

1、原理概述

  SKF算法假定点云中自然地面点的高程概率密度分布服从正态分布，非地面点会使得点云中点的高程概率密度分布偏离正态分布，呈现出偏态分布，偏度表示偏离正态分布的程度。为了使这种分布达到正态分布的状态，需要从点云数据样本中剔除高程较高干扰点云高程概率密度分布的非地面点，从而＂校正＂数据的偏度使其达到平衡。每次校正，高程最高的点被标记为非地面点剔除，迭代进行，直至偏度约等于０，剩余的点即为地面点。完成滤波分离地面点和非地面点。

该算法的步骤如下：

在这里插入图片描述

2、参考文献

[1]冯茂林. 树木遮挡下的机载Lidar点云建筑物轮廓提取[D].西南交通大学,2017.

二、代码实现

#
了解本专栏 订阅专栏 解锁全文
点云侠
关注
专栏目录
订阅专栏
偏度平衡滤波算法（SKF）
dayuhaitang1的博客
04-24 733
文章目录一、原理概述二、实现代码三、实现效果参考文献 一、原理概述 二、实现代码 SKF.m %基于高斯分布的滤波方法 clc clear close all; %获取点云数据 [fileName,pathName]=uigetfile('*.las','Input Data-File'); %选择要进行计算的三维点云数据文件路径 if isempty(fileName) || length(fileName) == 1 fprintf("未选择点云文件！\n"); retur
基于PCL的点云滤波中的体素栅格滤波算法
04-23
基于PCL的点云滤波中的体素栅格滤波算法，将点云数量过于庞杂的点云文件进行简化但保留其特征，减少后续处理的计算量(PCL VoxelGrid filter)
基于PCL和C++实现偏度平衡滤波（SKF)算法
TeAmo
11-25 832
原文：偏度平衡滤波SKF (Skewness balancing filtering）算法假定Lidar点云中自然地面点的高程概率密度分布服从正态分布，非地面点会使得Lidar点云中点的高程概率密度分布偏离正态分布，呈现出偏态分布，偏度表示偏离正态分布的程度。每次校正，高程最高的点被标记为非地面点剔除，迭代进行，直至偏度约等于0，剩余的点即为地面点。程序结束时，in_cloud为地面点云结果，out_cloud为（非地面点云）建筑物点云结果。实现算法得到效果如下，第一图是原始点云，图二是分离的建筑物点云。
滤波算法_标准卡尔曼滤波(SKF, Standard Kalman filter)_①基础铺垫
heqiunong的专栏
09-07 659
学习卡尔曼滤波不能一蹴而就，特别是对于基础薄弱者而言，需要一步一步来，在推导kalman滤波算法之前，需要学习一些基础知识作为铺垫。卡尔曼滤波，它本质上是一种最优的递归的数字处理算法。卡尔曼滤波器的应用非常广泛，这是因为在实际的系统当中，存在许多的不确定性，主要包含以下三个方面： ① 不存在完美的数学模型 ② 系统的扰动不可控，也很难建模 ③ 测量传感器存在误差例子： 找不同的人测量一个硬币的直径（测量的人不同，尺子存在误差）测量结果：zk{z_k}zk​表示第k次的测量结果。此时，如果我们要去估计真
SKF滤波与AKF滤波在边坡形变的应用
10-16
近年来处理边坡形变数据有很多方法，学术界较为流行的方法是把边坡体视为一个机动目标，对单条边坡体轨迹进行卡尔曼滤波平滑，来进行预测和估计。针对标准Kalman滤波观测噪声R为固定值的缺陷，本文进行了改进并对比，改进的自适应Kalman的精度得到提高，以中误差RMSE为指标分别减小了42.72%、19.70%、15.87%、16.21%，对同一边坡体多个测量点的轨迹进行融合，边坡的整体中误差下降了23.90%。
PCL：实现PCL 偏度平衡滤波SKF算法（附完整源码）
希望我的博客，能帮上你解决学习中工作中所遇到的问题
10-07 59
PCL：实现PCL 偏度平衡滤波SKF算法（附完整源码）
代码分析——基于误差状态卡尔曼滤波器（ESKF）实例分析
sunqin的博客
10-08 5095
imu_gps_localization代码分析 最近在学习ESKF相关知识，偶然发现知乎大佬 Dongsheng Yang基于《Quaterniond kinematics for the error-state Kalman filter》实现了IMU+GPS的融合定位。刚刚学完理论知识，正好学习下基于ESKF的代码实战。看完大佬写的代码，更加深入地了解了数据融合的机制，笔记如下，一图胜千言。 ...
ESKF(error-state Kalman Filter)总结
热门推荐
wuRDmemory
12-02 2万+
写在前面 前段时间看了一下ESKF的相关知识，VIO中（VINS）用的还是挺多的，特此总结 先验知识——四元数 四元数的基本表示形式，这个还是蛮重要的，主要有以下几种表示形式 Q=a+bi+cj+dkQ=a+bi+cj+dkQ=a+bi+cj+dk q=qw+q‾vq=q_w+\overline q_vq=qw​+q​v​ q=[qwqv]q=\begin{bmatrix} q_w \\ ...
（经典、扩展、开关）卡尔曼滤波
cocofisher的博客
08-10 522
项目说明 本文将对三种卡尔曼滤波算法（经典卡尔曼滤波KF，扩展卡尔曼滤波EKF以及开关卡尔曼滤波SKF）的预测及更新过程进行汇总记录，不涉及具体公式推导过程。 经典卡尔曼滤波KF 经典卡尔曼滤波KF动态模型如下： Xt=AXt−1+Wt(1)X_t=AX_{t-1}+W_t \tag{1}Xt​=AXt−1​+Wt​(1) Yt=HXt+Vt(2)Y_t=HX_{t}+V_t \tag{2}Yt​=HXt​+Vt​(2) 其中 XtX_tXt​是ttt时刻的n×1n\times 1n×1系统状态矢量，nn
国密SKF接口函数介绍之一：设备管理函数
密码开发者
11-05 9654
介绍国密标准SKF接口函数中的设备管理函数定义
机器人运动估计——IMU运动方程与ESKF原理介绍（下）
西涯先生的博客
03-30 9576
Hello! 欢迎来到我的博客 今天的内容关于机器人中常用的传感器IMU，我们用它来实现机器人姿态、速度、位置的估计。 今天将会介绍使用低成本IMU进行机器人运动估计的一个常用方法——ESKF。 3 Error State Kalman Filter（ESKF介绍） 3.1 动机 3.2 完整流程 3.3 Nominal State 更新 3.4 Error State 更新 3.5 量测更新...
国密SKF接口函数介绍之五：容器管理函数
密码开发者
12-17 7917
介绍国密标准SKF接口函数中的容器管理函数定义。
SKF密码设备研究
weixin_30254435的博客
06-02 1253
SKF密码设备研究 密码设备 mToken GM3000 国密身份认证锁是龙脉科技自主研发设计支持国密算法、完全遵照国家密码管理局颁布的《智能IC卡及智能密码钥匙密码应用接口规范》要求设计的USB Key，采用国产高性能智能卡芯片，内置SSF33、SM1、SM2、SM3、SM4等国产算法，支持高速数据国密算法加解密，提供CSP以及PKCS11和国密接口，完全符合国家密码管理局关于“密钥不落地”的技...
C++ 异步编程中：future与promise、packaged_task、async
zxf347085420的博客
09-23 987
std::launch::async | std::launch::deferred参数：是默认行为(可省略)。=》std::async真的是来帮忙的，你不用再想到底该怎么用std::future、std::promise和 std::packaged_task了，在已经有了td::future、std::promise和std::packaged_task的情况下，实现异步或多线程间通信，事实上std::promise::set_xxx函数会改变std::promise的状态为ready，
【C++】拆分详解 - string类
最新发布
bubble_shadow的博客
09-23 1004
string类的文档介绍注：此处及下文部分，蓝色下划线标识文本均为超链接，点击即可跳转字符串是表示字符序列的类标准的字符串类提供了对此类对象的支持，其接口类似于标准字符容器的接口，但添加了专门用于操作单字节字符字符串的设计特性。string类是使用char(即作为它的字符类型，使用它的默认char_traits和分配器类型(关于模板的更多信息，请参阅basic_string)。
pyqt瀑布流布局
weixin_54217201的博客
09-21 482
最近研究瀑布流布局，发现都是收费的，所以只能自己写算法写布局。所以啥都不说直接上代码。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

点云侠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值