PCL 中点云高斯滤波的计算原理

点云侠

已于 2024-05-20 19:09:38 修改

阅读量1.1k

点赞数 27

分类专栏： CloudCompare 文章标签：人工智能计算机视觉开发语言 3d c++

于 2024-05-20 19:09:06 首次发布

本文链接：https://blog.csdn.net/qq_36686437/article/details/138231291

版权

CloudCompare 专栏收录该内容

78 篇文章 1087 订阅

订阅专栏

1、原理概述

高斯滤波利用了高斯函数经傅里叶变换后仍具有高斯函数的特性。令指定区域的权重为高斯分布，从而将高频的噪声点滤除。具体是将某一数据点与其前后各 $n$ 个数据点加权平均，那些远大于操作距离的点被处理成固定的端点，这有助于识别间隙和端点。由于高斯滤波平均效果较小，在滤波的同时，能较好地保持数据原貌，因而常被使用。

2、实现流程

点云高斯滤波是一种在三维点云数据上应用高斯滤波器的技术。在点云高斯滤波中，每个点的邻域被加权平均，以产生平滑的点云，权重由一个高斯分布函数计算。在三维空间中函数形式为

$G=e^{-\frac{d^2}{2\sigma^2}}\tag{1}$

式中， $d$ 为点云中每个点到邻域点的距离； $σ$ 为高斯函数的标准差。

对于每个点，高斯滤波器将其邻域内的所有点乘以一个对应的高斯权重，然后将其加权平均。过程公式为：

$F(x,y,z)=\frac{\sum_{i=1}^Np_iG(||p_i-p_{o}||)}{\sum_{i=1}^NG(||p_i-p_{o}||)}\tag{2}$

式中， $p_o$ 为当前点的坐标值； $p_i$ 为邻域内第 $i$ 个点的坐标值； $N$ 为邻域内的点数； $G(p_i-p_{o})$ 为第 $i$ 个点的高斯权重，它与第 $i$ 个点与当前点的距离 $p_i-p_{o}$ 有关； $F (x, y, z)$ 为滤波后点的坐标值。

3、算法源码

///
template<typename PointInT, typename PointOutT> bool
pcl::filters::GaussianKernel<PointInT, PointOutT>::initCompute ()
{
  if (sigma_ == 0)
  {
    PCL_ERROR ("Sigma is not set or equal to 0!\n", sigma_);
    return (false);
  }
  sigma_sqr_ = sigma_ * sigma_;

  if (sigma_coefficient_)
  {
    if ((*sigma_coefficient_) > 6 || (*sigma_coefficient_) < 3)
    {
      PCL_ERROR ("Sigma coefficient (%f) out of [3..6]!\n", (*sigma_coefficient_));
      return (false);
    }
    else
      threshold_ = (*sigma_coefficient_) * (*sigma_coefficient_) * sigma_sqr_;
  }

  return (true);
}

///
template<typename PointInT, typename PointOutT> PointOutT
pcl::filters::GaussianKernel<PointInT, PointOutT>::operator() (const Indices& indices,
                                                               const std::vector<float>& distances)
{
  using namespace pcl::common;
  PointOutT result;
  float total_weight = 0;
  std::vector<float>::const_iterator dist_it = distances.begin ();

  for (Indices::const_iterator idx_it = indices.begin ();
       idx_it != indices.end ();
       ++idx_it, ++dist_it)
  {
    if (*dist_it <= threshold_ && isFinite ((*input_) [*idx_it]))
    {
      float weight = std::exp (-0.5f * (*dist_it) / sigma_sqr_);
      result += weight * (*input_) [*idx_it];
      total_weight += weight;
    }
  }
  if (total_weight != 0)
    result /= total_weight;
  else
    makeInfinite (result);

  return (result);
}