CloudCompare——点云高斯滤波

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

$$G=e^{-\frac{d^2}{2{\sigma }^2}}\text{\hspace{1em}(1)}$$

   式中，$d$为点云中每个点到邻域点的距离； $\sigma$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：

$$F(x,y,z)=\frac{{\sum }_{i=1}^N{p}_{i}G(||p_i-p_o||)}{{\sum }_{i=1}^{N}G(||p_i-p_o||)}\text{\hspace{1em}(2)}$$

   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. 软件实现

1、找到高斯滤波功能

2、设置参数

   选择一个“内核”大小（实际上是球体的半径，在该半径中，将在每个点周围提取最近的邻居以计算平均值）。滤波器越大越强（计算速度越慢…）。

4. 结果展示

滤波前

滤波后

差距不够明显？？放个明显的图

5. 相关代码

• PCL 高斯滤波
• PCL 高斯滤波（C++详细过程版）