PCL学习笔记（三十六）-- 点云滤波

        在获取点云数据时，由于设备精度、操作者经验、环境因素等带来的影响，以及电磁波衍射特性、被测物体表面性质变化和数据拼接配准过程的影响，点云数据中将不可避免地出现一些噪声点。

        实际应用中，出来这些测量随机误差产生的噪声点之外，由于收到外界干扰如视线遮挡、障碍物等因素的影响，点云数据中往往存在着一些离主体点云（即被测物体点云）较远 的离散点，即离群点，不同的获取设备点云噪声结构也有不同，其他可以通过滤波重采样完成的工作，有空洞修复、信息损失最小海量点云数据压缩处理等。

        在点云处理中将噪声点、离群点、空洞、数据压缩等按照后续处理定制，才能够更好地进行配准、特征提取、曲面重建、可视化等后续应用处理。PCL中点云滤波模块提供了很多灵活使用的滤波处理算法，例如双边滤波、高斯滤波、条件滤波、直通滤波、基于随机采样一致性滤波等，关键的滤波模块是作为PCL的一个处理成员模块，其在应用中非常方便与其他点云处理流程集成。

        PCL中总结了几种需要进行点云滤波处理的情况，这几种情况如下：

        1）点云数据密度不规则需要平滑。

        2）因为遮挡等问题造成离群点需要去除。

        3）大量数据需要进行下采样。

        4）噪音数据需要去除。

        对应的方法如下：

        1）按具体给定的规则限制过滤去除点。

        2）通过常用滤波算法修改点的部分属性。

        3）对数据进行下采样。