使用Python写简单的点云高斯滤波

一、代码

Python

import numpy as np
import open3d as o3d


def apply_gaussian_filter(pcd, k=30, sigma=1.0):
    """对点云应用高斯滤波。

    参数:
        pcd (open3d.geometry.PointCloud): 输入的点云。
        k (int): 每个点的邻居数量。
        sigma (float): 高斯核的标准差。

    返回:
        open3d.geometry.PointCloud: 高斯滤波后的点云。
    """
    # 估计法线以改善KNN搜索
    pcd.estimate_normals(search_param=o3d.geometry.KDTreeSearchParamHybrid(radius=0.1, max_nn=30))

    # 构建KNN树
    pcd_tree = o3d.geometry.KDTreeFlann(pcd)
    points = np.asarray(pcd.points)
    new_points = np.zeros_like(points)

    # 对每个点应用高斯滤波
    for i, point in enumerate(points):
        # 搜索KNN
        [k, idx, _] = pcd_tree.search_knn_vector_3d(point, k)
        knn_points = points[idx, :]

        # 计算中心点到邻居的距离
        distances = np.linalg.norm(knn_points - point, axis=1)

        # 计算高斯权重
        weights = np.exp(-(distances ** 2