智能 测量技术-智能建造技术专08课件讲解.pptx

主讲人：梁延龙智能测量技术智能建造技术专业资源库

知识点三维激光点云滤波

三维激光点云滤波的内容点云滤波的难点点云滤波概念点云滤波方法010203

三维激光点云滤波一、点云滤波概念01由于数据采集设备精度、环境因素、光照因素、物体表面性质等影响，会导致点云不可避免的出现噪音。滤波过程就是为了解决点云密度不规则不平滑，离群点，大数据降采样，空洞，噪声数据等问题。02点云滤波作为常见的点云处理算法，一般是点云处理的第一步，对后续处理有很重要作用。滤波有很多方面也有很多种功能，比如去除噪声点、离群点、点云平滑以及空洞、数据压缩等。

三维激光点云滤波一、点云滤波概念为什么要进行点云滤波?原始点云往往包含大量散列点、孤立点，在获取点云时，由于设备精度，操作者经验环境因素带来的影响，以及电磁波的衍射性，被测物体表面性质变化和数据拼接配准操作过程的影响，点云中将不可避免的出现一些噪声，而且滤波处理作为预处理的第一步，对后续的影响比较大，只有在滤波预处理中将噪声点，离群点，孔洞，数据压缩等按照后续处理定制，才能够更好的进行配准，特征提取，曲面重建，可视化等后续应用处理。

二、点云滤波的难点三维激光点云滤波02复杂建筑物的处理噪声点包括极高点和极低点，是明显低于地面的点和明显高于地表目标的点，以及移动地物点。在多建筑物场景下，大小不同的建筑物、结构复杂的建筑物、陡坡上的建筑物等，这些形状各异的建筑物都是干扰滤波质量的关键因素。01噪点声

二、点云滤波的难点三维激光点云滤波04数据分布不均匀各种低矮植被，由于离裸露地面很近，所以很难与地面点区分开。激光点云的密度和分布会很大程度影响滤波算法的处理结果。若数据点的密度较小，那么较小的地物点相对于点的间距就会变得不明显，由于较难识别而不便区分。03植被的处理

三、点云滤波方法三维激光点云滤波2、遍历点云中的每个点,判断该点在指定维度上的取值是否在值域内，删除取值不在值域内的点。3、遍历结束，留下的点即构成滤波后的点云。（一）、直通滤波器适用于在空间分布有一定空间特征的点云，比如使用线结构光扫描的方式采集点云，沿z向分布较广，但x,y向的分布处于有限范围内。此时可使用直通滤波器，确定点云在x或y方向上的范围，可较快剪除离群点，达到第一步粗处理的目的。就是在点云的指定维度上设置一个阈值范围，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。1、指定一个维度以及该维度下的值域。

三、点云滤波方法三维激光点云滤波直通滤波器在实际应用中，由于激光扫描采集的距离较远，但是根据功能需求的不同可能只关心一定区域内的数据，比如低速物流车的运营场景，可能在X方向只关心前后60米，Y方向只关心左右20米的范围。此时就可以利用直通滤波器提取出感兴趣区域，可较快剔除部分点云，达到第一步粗处理的目的。直通滤波器特点：根据人工设定的先验范围约束或者借助外部约束，直观的缩小关注的空间范围，减少后续计算量。

三、点云滤波方法三维激光点云滤波体素滤波器可以去除一定程度的噪音点及离群点。主要功能是用来进行降采样。（二）、体素滤波器（下采样）它的原理是根据输入的点云，首先计算一个能够刚好包裹住该点云的立方体，然后根据设定的分辨率，将该大立方体分割成不同的小立方体。对于每一个小立方体内的点，计算他们的质心，并用该质心的坐标来近似该立方体内的若干点。

三、点云滤波方法体素滤波器特点：可以达到向下采样同时不破坏点云本身几何结构的功能。点云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，比如横向相似的尺寸，纵向相同的距离。随机下采样虽然效率比体素网格滤波器高，但会破坏点云微观结构。如下图所示：经过体素网格下采样后的行人，点云会变得更稀疏。主要是针对线束比较高的激光雷达或者多个雷达数据叠加时，平滑点云间隔的情况使用。三维激光点云滤波

三、点云滤波方法三维激光点云滤波（三）、统计滤波器原理：对每个点的邻域进行一个统计分析，并修剪掉那些不符合一定标准的点。我们的稀疏离群点移除方法基于在输入数据中对点到临近点的距离分布的计算。具体方法如下：计算每个点到其最近的k个点平均距离，（假设得到的结果是一个高斯分布，其形状是由均值和标准差决定），那么平均距离在标准范围之外的点，可以被定义为离群点并从数据中去除。特点：主要是根据密度去除离群点，对密度差异较大的离群点去除效果较好。

三、点云滤波方法三维激光点云滤波（四）、半径滤波器原理：与统计滤波器类似，只是操作更加暴力直观，根据空间点半径范围临近点数量来滤波。具体方法如下：在点云中以某点为中心画一个圆计算落在该圆中点的数量，当数量大于给定值时，则保留该点，数量小于给定值则剔除该