点云处理学习笔记（二）-- 点云滤波

一、点云滤波的概念

       点云滤波类似于信号处理中的滤波，其目的是为了突出需要的信息，但其实现手段与信号处理不一样：

       1.点云不是具体函数，三维坐标系下的点云并非依照规律或者某种数值关系进行定义，难以建立起二维坐标系下的联系。

       2.点云在空间中呈离散分布，不像二维图像具有明显的位置定义域。

       3.点云在空间中的分布非常广泛，要想遍历点云中的每个点，并建立其点与点之间的关系非常困难。

       4.点云滤波依赖于空间几何信息，而非数值关系。

二、点云滤波的方法

       点云滤波的方法在PCL中封装为各个滤波器对象，不同特性的滤波器构成了较为完整的点云前处理族，滤波手段需要根据采集方式的不同进行调整，主要的滤波器包括：直通滤波器、体素格滤波器、统计滤波器和半径滤波器等。

       1.如果使用结构光扫描的方式采集点云（LMI和FocalSpec），点云沿z向分布较广，但在x，y向的分布处于有限范围内，此时可以使用直通滤波器，直通滤波器，顾名思义，就是在点云的指定维度上设置一个x或y方向上的阈值范围，将这个维度上的数据分为在阈值范围内与不在阈值范围内，从而选择过滤与否，可以较快剪除离群点，实现粗处理。

       2.如果使用高分辨率相机等设备对点云进行采集，点云往往会比较密集，过多数量的点云会对后续的分割工作带来困难，点云的几何结构不仅是宏观的几何外形，也包括其微观的排列方式，如横向的相似尺寸和纵向相同的距离。体素格滤波器可以达到向下采样同时不破坏点云本身结构的功能，随机下采样虽然效率比体素格滤波器高，但会破坏点云的微观结构。

       3.在点云中，每个点都表达一定的信息量，某个区域点越密集，包含的信息量也就越大，噪声信息属于无用信息，信息量较小，所以离群点表达的信息可以忽略不计。考虑到离群点的特征，可以定义某处点云小于某个密度，则该点云无效，通过统计滤波器可以去除明显的离群点。

       4.半径滤波器其原理是以某点为中心画一个圆，计算落在该圆中的点的数量，若点的数量大于阈值则保留该中心点，若小于阈值则剔除该点。半径滤波器运算速度快，依序迭代留下的点是最密集的，但是圆的半径和圆内点的数目需要人工指定。

       更多滤波器可以参考PCL官网：https://pointclouds.org/documentation/group__filters.html