3D点云的预处理技术

正文

点云滤波，顾名思义，就是滤掉噪声。原始采集的点云数据往往包含大量散列点、孤立点，比如下图为滤波前后的点云效果对比。

点云滤波的主要方法有：双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致滤波、VoxelGrid滤波等。

双边滤波

双边滤波是一种非线性滤波器，它可以达到保持边缘、降噪平滑的效果。和其他滤波原理一样，双边滤波也是采用加权平均的方法，用

周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布[1]。最重要的是，双边滤波的权重不仅考虑了像素的

欧氏距离（如普通的高斯低通滤波，只考虑了位置对中心像素的影响），还考虑了像素范围域中的辐射差异（例如卷积核中像素与中心

像素之间相似程度、颜色强度，深度距离等），在计算中心像素的时候同时考虑这两个权重。

高斯滤波

图像大多数噪声均属于高斯噪声，因此高斯滤波器应用也较广泛。高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图

像去噪。可以简单地理解为，高斯滤波去噪就是对整幅图像像素值进行加权平均，针对每一个像素点的值，都由其本身值和邻域内的其

他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个用户指定的模板（或称卷积、掩膜）去扫描图像中的每一个像素，用模

板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

条件滤波

通过条件滤波可以移除离群点。通过设定滤波条件进行滤波，删除点云中不符合用户指定的一个或多个条件的点。如下图，指定至少周

围有一个点则黄色点被删除，指定周围至少有两个点则黄色和红色被删除。满足的条件可以是一个或多个，可以是距离也可以是其它。

直通滤波

指定字段，指定坐标范围进行剪裁，可以选择保留范围内的点或者范围外的点。

如果是线结构光的采集方式得到的点云，则沿z向的分布较广，但沿x、y方向的分布则处于有限的范围内。此时，可采用直通滤波，确

定x或者y方向的范围，快速裁剪离群点。

体素化滤波

类体素化根据给定的点云构造一个三维体素栅格并进行下采样达到滤波的效果。具体说来类体素化通过输入的点云数据创建一个三维体

素栅格 ， 然后将每个体素内所有的点都用该体素内的点集的重心来近似，这样就大大减少了数据量。所以该类常用于对大数据量的下

采样处理，特别是在配准、曲面重建等工作之前作为预处理．可以很好地提高程序的速度。

您可以通过我们的官方网站了解更多的产品信息，或直接来电咨询4006-888-532。