点云滤波器与过滤器

发布时间：2022-09-12 13:57:31 作者：显扬科技

#显扬科技# #点云滤波# #过滤器#

这一节将为大家介绍点云滤波，读者可能会有疑问，为什么要分为深度图滤波波和点云滤波?深度图滤波是对深度图进行处理，通常处理的的是深度图中相邻的像素，而点云滤波针对的是将深度图投射到3D空间后得到的点云，通常处理的是在3D空间中根据欧式距离得到的邻近区域，而且能更有效地利用其3D几何特征。举个简单的例子，一个深度图中像素被噪声干扰变成离群点，其在深度图中难以区分，而投射到3D空间以后，离群点距离其他点都很远，则很容易将其滤除。

在获取点云数据时，由于设备精度、操作者经验、环境因素的影响，以及电磁波的行射特性、被测物体表面性质变化和数据拼接配准操作的影响，点云数据将不可避免地受到噪声干扰。在点云处理流程中，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、离群点、孔洞等按照后续需求进行处理，才能够更好地进行配准、特征提取、曲面重建、可视化等。PCL 库中的点云滤波模块提供了很多灵活实用的滤波处理算法，我们根据对数据处理形式的不同将其分为滤波器和过滤器两类，许多参考资料不会区分二者的概念，为避免混淆，将其明确分类。过滤器指通过设置某种条件，删除不符合条件的数据，保留符合条件的数据，如统计过滤器、半径过滤器、直通过滤器；而滤波器则是对数据进行处理修正，如体素滤波器。

体素滤波器

使用体素网格实现下采样，减少点的数量，同时保留点云的形状特征，在提高配准、曲面重建、形状识别等方面非常实用。点云几何结构不仅包括宏观的几何外形，也包括微观的排列方式，如横向相似的尺寸、纵向相同的距离。随机下采样祥虽然效率比体素教滤波器高，但会破坏点云微观结构。体素滤波操作者先针对输入的点云数据创建一个 3D体素栅格来容纳像素，在每个体素内，用体素中所有点的重心来近似表示体素中其他点，这样该体素内所有点都用一个重心点最终表示，对所有体素都进行这样的处理后，得到的就是过滤后的点云。

统计过滤器

统计过滤器使用统计分析技术，从一个点云数据中集中移除测量噪声(离群点)。例如，激光扫描通常会产生密度不均匀的点云数据集，另外测量中的误差也会造成稀疏的离群点，使效果不好，反过来就会导致点云配准等后期处理的失败。可以理解为，每个点都表达一定的信息，某个区域的点越密集，信息量就可能越大。噪声信息属于无用信息，所以离群点表达的信息可以忽略不计。考虑到离群点的特征，可以定义:若某处点云密度小于某个值，则点云无效。我们可以对每个点的邻域进行统计分析，并移除一些不符合标准的点，稀疏离群点的移除基于在输入数据中对点到其临近点的距离的计算，对于每个点，计算它到它的所有临近点的平均距离，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的，平均距离在标准范围之外的点可以定义为离群点并从数据中去除。

半径过滤器

半径滤波器与统计滤波器相比更加简单粗暴。以某点为中心画一个半径为d的球，计算落在该球中点的数量，当数量大于给定阈值时，保留该点，否则剔除该点。此算法运行速度快，依序迭代留下的点一定是最密集的，但是球的半径和球内点的数量阈值都需要人工指定。

直通过滤器

如果使用线结构光扫描的方式采集点云，物体必然沿z方向分布较广，但在x、y方向上的分布则处于有限范围内。此时可使用直通过滤器，确定点云在x方向或y方向上的范围，这样就可以较快去除离群点，达到第一步粗处理的目的。通过滤器可以简单理解为3D空间切块过滤器。

显扬科技由香港中文大学博士团队创建，主要研究并产业化高速高清三维机器视觉系统，以及智能工业机器人系统。其研发的三维机器视觉设备精度能达亚微米级，三维数据采集帧率高达310帧，此外还具有高精度、大景深、高稳定性的优势，可实现高效率机器人引导，以及工业检测与测量。显扬科技的产品主要应用在对采集速度要求较高的快速工业产线、物流枢纽以及对测量精度要求高的精密制造、军工航天、半导体产业等。