open3d--索引滤波

索引滤波
所谓的索引滤波压根就不是滤波，只是根据索引，将点选出而已，总共有两种选取方法，一是选取索引对应的点；二是选取索引之外的点。

import open3d as o3d
import numpy as np
pcd = o3d.io.read_point_cloud("bunny.ply")
idx = np.arange(10000)
# 索引对应的点
pIn = pcd.select_by_index(idx)
pIn.paint_uniform_color([1, 0, 0])
# 索引外的点云
pOut = pcd.select_by_index(idx, invert=True)
pOut.paint_uniform_color([0, 1, 0])
o3d.visualization.draw_geometries([pIn, pOut])

统计滤波和邻域滤波
这两中滤波方法都是先得到符合要求的点索引，然后通过索引滤波，将这些点挑选出来，输出输出为滤波后的点云和点的索引号。

import open3d as o3d
# 加载点云
pcd = o3d.io.read_point_cloud("desk.pcd")
# 统计滤波
k = 20  # K邻域点的个数
μ = 2.0  # 标准差乘数
sor_pcd, idx = pcd.remove_statistical_outlier(k, μ)#当判断点的k近邻的平均距离大于【平均距离+μ*σ】，即判定为噪声点，一般取μ=2或3为极限误差
sor_pcd.paint_uniform_color([0, 0, 1])
# 提取噪声点云
sor_noise_pcd = pcd.select_by_index(idx, invert=True)
sor_noise_pcd.paint_uniform_color([1, 0, 0])
o3d.visualization.draw_geometries([sor_pcd,sor_noise_pcd], window_name="SOR")

.均匀采样（Uniform Sample）
等间隔保留点，如每隔50个点索引保留一个
pcd = pcd.uniform_down_sample(50)#每隔50个点采样一次

RANSAC分割平面

import open3d as o3d

pcd = o3d.io.read_point_cloud("desk.pcd")
print(pcd)

distance_threshold = 0.2    # 内点到平面模型的最大距离
ransac_n = 3                # 用于拟合平面的采样点数
num_iterations = 1000       # 最大迭代次数

# 返回模型系数model和内点索引inliers，并赋值
plane_model, inliers = pcd.segment_plane(distance_threshold, ransac_n, num_iterations)

# 输出平面方程
[a, b, c, d] = plane_model
print(f"Plane equation: {a:.2f}x + {b:.2f}y + {c:.2f}z + {d:.2f} = 0")
# 平面内点点云
inlier_cloud = pcd.select_by_index(inliers)
inlier_cloud.paint_uniform_color([0, 0, 1.0])
print(inlier_cloud)
# 平面外点点云
outlier_cloud = pcd.select_by_index(inliers, invert=True)
outlier_cloud.paint_uniform_color([1.0, 0, 0])
print(outlier_cloud)
# 可视化平面分割结果
o3d.visualization.draw_geometries([inlier_cloud, outlier_cloud])