当前位置： 首页 > news >正文

Matlab通过GUI实现点云的双边(Bilateral)滤波(附最简版)

news 2025/9/29 8:14:10

        本次我们分享关于Matlab实现点云的双边滤波。在三维点云数据处理中，噪声去除与特征保留往往是一对矛盾的需求 —— 传统滤波算法（如高斯滤波）在平滑噪声的同时，容易模糊点云中的边缘、棱角等关键特征。而双边滤波（Bilateral Filtering） 作为一种非线性滤波技术，通过同时考虑空间域权重与灰度（或强度）域权重，能够在抑制噪声的同时有效保留点云的细节特征，成为点云预处理中的核心算法之一。Matlab 作为工程领域常用的数值计算与可视化平台，提供了便捷的点云处理工具箱（PointCloud Toolbox），支持双边滤波的快速实现与优化。

一、点云双边滤波的核心原理与优势

1. 基本原理

        点云双边滤波的本质是对每个目标点，根据其邻域内点的空间距离和属性差异（如颜色、法向量、强度值等）计算加权平均，从而更新目标点的坐标。其核心公式可表示为：

\(P_{filtered} = \frac{1}{W} \sum_{q \in N(p)} \left[ G_s(\|p - q\|) \cdot G_r(\|I_p - I_q\|) \right] \cdot q\)

其中：

  • \(p\) 为目标点，\(q\) 为 \(p\) 邻域内的点，\(N(p)\) 表示 \(p\) 的邻域集合；

  • \(G_s\) 为空间域高斯函数，根据点之间的欧氏距离分配权重，距离越近权重越大；

  • \(G_r\) 为属性域高斯函数，根据点的属性差异分配权重，差异越小权重越大；

  • \(W\) 为归一化系数，确保滤波后点的坐标范围合理。

2. 核心优势

与传统滤波算法相比，Matlab 点云双边滤波具有以下特点：

  • 特征保留能力强：通过属性域权重约束，避免边缘、棱角等特征被过度平滑；

  • 参数可控性高：可通过调整空间域标准差（控制邻域范围）、属性域标准差（控制属性差异敏感度），适配不同噪声强度的点云；

  • 兼容性广：支持 XYZ 坐标点云、带颜色（RGB）点云、带强度（Intensity）点云等多种类型数据，可与 Matlab 点云分割、配准等模块无缝衔接。

二、Matlab 点云双边滤波的主要流程

        Matlab 点云双边滤波的实现依赖于pointCloud类与bilateralFilter函数（需安装 PointCloud Toolbox），完整流程可分为数据准备→参数设置→滤波执行→结果评估四步，具体操作如下：

1. 数据准备：加载与预处理

        首先需加载点云数据，并进行基础预处理（如去除无效点、下采样），减少后续计算量。Matlab 支持多种点云格式（如 PLY、PCD、XYZ），常用函数包括pcread（读取点云）、pcremoveinvalid（去除无效点）、pcdownsample（下采样）。

示例代码：

% 读取PLY格式点云（以桌面场景点云为例）ptCloud = pcread('desk_scene.ply');% 去除无效点（如NaN坐标点）ptCloud = pcremoveinvalid(ptCloud);% 下采样（体素下采样，体素大小0.01m，减少点云数量）ptCloud = pcdownsample(ptCloud, 'gridAverage', 0.01);% 可视化原始点云figure; pcshow(ptCloud); title('原始点云'); xlabel('X'); ylabel('Y'); zlabel('Z');

2. 参数设置：关键参数选择

        BilateralFilter函数的核心参数需根据点云噪声强度与特征需求调整，主要包括：

  • sigmaS（空间域标准差）：控制邻域搜索范围，单位与点云坐标一致（如米）。噪声越强，需适当增大sigmaS（如 0.02~0.05），但过大易导致特征模糊；

  • sigmaR（属性域标准差）：控制属性差异敏感度，若点云无颜色 / 强度信息，可基于点云法向量（需提前计算）或坐标差异设置。例如，带颜色点云可设sigmaR=0.05（RGB 值归一化后），无属性点云可基于 XYZ 差异设sigmaR=0.01；

  • kernelSize（核大小）：邻域搜索的核尺寸，通常设为2*ceil(3*sigmaS)+1（确保覆盖 99.7% 的高斯分布范围），默认自动计算；

  • metric（属性度量方式）：指定属性域的计算方式，如'color'（基于 RGB）、'intensity'（基于强度）、'normal'（基于法向量），无属性时用'euclidean'（基于坐标）。

参数选择原则：

  • 若点云噪声密集（如激光雷达扫描的远距离点云），增大sigmaS（如 0.04），同时减小sigmaR（如 0.005），平衡平滑与特征保留；

  • 若点云含精细特征（如机械零件的棱角），减小sigmaS（如 0.02），增大sigmaR（如 0.08），避免特征丢失。

3. 滤波执行：调用函数实现

        根据点云类型调用bilateralFilter函数，输出滤波后的点云对象。若点云无颜色 / 强度属性，需先计算法向量作为属性输入。

示例代码：

% 情况1：带颜色的点云（直接基于RGB属性滤波）if isfield(ptCloud.Location, 'Color')% 设置参数：空间域标准差0.03m，颜色域标准差0.05（RGB归一化后）sigmaS = 0.03;sigmaR = 0.05;% 执行双边滤波ptCloudFiltered = bilateralFilter(ptCloud, sigmaS, sigmaR, 'metric', 'color');else% 情况2：无属性点云（基于法向量滤波，需先计算法向量）% 计算法向量（邻域大小5，用于属性度量）ptCloud = pcnormals(ptCloud, 5);% 设置参数：空间域标准差0.03m，法向量域标准差0.1sigmaS = 0.03;sigmaR = 0.1;% 执行双边滤波ptCloudFiltered = bilateralFilter(ptCloud, sigmaS, sigmaR, 'metric', 'normal');end% 可视化滤波后点云figure; pcshow(ptCloudFiltered); title('双边滤波后点云'); xlabel('X'); ylabel('Y'); zlabel('Z');

4. 结果评估：定量与定性分析

        滤波效果需通过定性观察（特征保留程度）与定量指标（噪声抑制效果）结合评估：

  • 定性评估：对比原始点云与滤波后点云的边缘、棱角细节（如机械零件的孔、凸起），观察是否存在过度平滑；

  • 定量评估：计算点云的均方根误差（RMSE）（若有真值点云）、点云密度变化（滤波后点数量应与原始接近，避免过度删减）、法向量一致性（特征区域法向量方向是否连续）。

定量评估示例代码：

% 计算原始点云与滤波后点云的坐标差异（假设无真值，用自身差异近似噪声）diffXYZ = ptCloud.Location - ptCloudFiltered.Location;rmse = sqrt(mean(diffXYZ(:).^2)); % 均方根误差fprintf('滤波后点云RMSE：%.6f m\n', rmse);% 计算点云密度变化originalCount = ptCloud.Count;filteredCount = ptCloudFiltered.Count;densityRatio = filteredCount / originalCount;fprintf('滤波后点数量保留比例：%.2f%%\n', densityRatio * 100);

三、Matlab 点云双边滤波的应用领域

        由于其 “噪声抑制 + 特征保留” 的核心优势，Matlab 点云双边滤波广泛应用于工业检测、自动驾驶、文化遗产保护、医疗影像等领域，具体场景如下：

1. 工业零件检测

        在机械零件三维扫描（如激光扫描、结构光扫描）中，点云易因设备精度、环境振动引入噪声，导致后续尺寸测量（如孔径、壁厚）误差。通过 Matlab 双边滤波，可在去除噪声的同时保留零件的棱角、螺纹等关键特征，为后续的尺寸标注（pcfitcylinder/pcfitsphere）、缺陷检测提供高精度点云数据。

        应用案例：汽车发动机缸体的三维扫描点云处理，滤波后可准确拟合缸体孔的圆柱面，测量孔径公差是否符合标准。

2. 自动驾驶环境感知

        自动驾驶的激光雷达（LiDAR）点云常包含雨雪噪声、地面杂点，若直接用于障碍物检测（如行人、车辆），易导致误识别。Matlab 双边滤波可基于点云的强度值（LiDAR 反射强度）或法向量（地面与障碍物法向量差异大），过滤雨雪噪声与地面杂点，同时保留障碍物的轮廓特征，提升后续目标分割（pcsegplane） 与跟踪的准确性。

3. 文化遗产数字化保护

        在文物（如石雕、青铜器）三维重建中，需同时保留文物的纹理细节（如刻痕、花纹）与整体形态。传统滤波易模糊纹理，而 Matlab 双边滤波可通过调整颜色域（纹理颜色差异）或法向量域（纹理凹凸差异）参数，在平滑扫描噪声的同时，完整保留文物的纹理特征，为后续的数字化存档、虚拟修复提供高保真点云。

4. 医疗影像三维重建

        在医学 CT、MRI 的三维点云重建（如骨骼、器官）中，点云噪声会影响手术规划的精度。Matlab 双边滤波可基于医学影像的灰度值（CT 值）作为属性域权重，过滤重建过程中的伪影噪声，同时保留骨骼的关节面、器官的轮廓等关键结构，为手术导航、假体设计提供精准的三维模型。

四、总结与注意事项

        Matlab 点云双边滤波凭借其灵活的参数设置与强大的特征保留能力，成为点云预处理的关键工具。在实际应用中，需注意以下事项：

        1. 参数调试：sigmaS与sigmaR需根据点云噪声强度迭代调试，建议先从较小sigmaS（如 0.02）与中等sigmaR（如 0.05）开始，逐步优化；

        2. 计算效率：双边滤波为非线性操作，点云数量过大时（如百万级）会导致计算缓慢，建议先通过pcdownsample下采样（体素大小 0.01~0.05m），平衡效率与精度；

        3. 属性选择：优先使用点云的固有属性（如颜色、强度）作为metric参数，若无属性再使用法向量，避免仅基于 XYZ 坐标导致特征丢失。

本次使用的数据是————兔砸！！!

一、点云实现双边滤波的程序

1、最简版

%% 0. 清空环境
clear; clc; close all;%% 1. 读入点云
[file, path] = uigetfile({'*.ply;*.pcd;*.xyz','点云文件 (*.ply,*.pcd,*.xyz)'},...'请选择点云');
if file==0; return; end
fname = fullfile(path,file);
ptCloud = pcread(fname);
N = ptCloud.Count;
fprintf('原始点云有 %d 个点\n',N);%% 2. 计算平均密度（最近邻距离均值）
kdtree0 = createns(ptCloud.Location,'NSMethod','kdtree');
[~, nndist0] = knnsearch(kdtree0,ptCloud.Location,'K',2); % 第2列=最近邻距离
density = mean(nndist0(:,2));
fprintf('点云平均密度 = %.4f\n',density);%% 3. 添加高斯噪声
sigmaNoise = density * 2;
noise = sigmaNoise * randn(N,3);
noisyCloud = pointCloud(ptCloud.Location + noise,...'Color',ptCloud.Color,...'Normal',ptCloud.Normal);
fprintf('添加噪声后 %d 个点\n',noisyCloud.Count);%% 4. 双边滤波
K      = 30;          % 与原脚本一致
srMm   = 10;          % 与原脚本一致
filtCloud = pcdBilateralFilter(noisyCloud,K,srMm);
fprintf('双边滤波后 %d 个点\n',filtCloud.Count);%% 5. 可视化
figure('Name','原始点云','NumberTitle','off'); pcshow(ptCloud); axis on; view(3);
figure('Name','噪声点云','NumberTitle','off'); pcshow(noisyCloud); axis on; view(3);
figure('Name','双边滤波','NumberTitle','off'); pcshow(filtCloud); axis on; view(3);function out = pcdBilateralFilter(pc,K,srMm)K   = max(round(K),2);sr  = srMm/1000;xyz = pc.Location;n   = size(xyz,1);kd  = createns(xyz,'NSMethod','kdtree');% 自算法向量block  = 10000;normals= zeros(n,3,'like',xyz);h      = waitbar(0,'计算法向量…');for i = 1:block:nir = min(i+block-1,n);[idxMat,~] = knnsearch(kd, xyz(i:ir,:), 'K', K);for k = i:iridx = idxMat(k-i+1,:);P   = xyz(idx,:);[~,~,V] = svd(P - mean(P,1),0);nk  = V(:,3);if nk(3)>0, nk=-nk; endnormals(k,:) = nk;endwaitbar(ir/n,h);endclose(h);% 双边滤波xyzNew = zeros(n,3,'like',xyz);h = waitbar(0,'双边滤波…');for i = 1:block:nir = min(i+block-1,n);[idxMat,~] = knnsearch(kd, xyz(i:ir,:), 'K', K);for k = i:iridx = idxMat(k-i+1,:);p0  = xyz(k,:);n0  = normals(k,:);Ws  = 0; Z = 0;for t = 2:numel(idx)pj  = xyz(idx(t),:);vec = pj - p0;dd  = norm(vec);dn  = dot(vec, n0);ws  = exp(-(dd^2)/(2*(0.05)^2));wr  = exp(-(dn^2)/(2*sr^2));w   = ws*wr;Ws  = Ws + w;Z   = Z  + w*dn;endxyzNew(k,:) = p0 + (Z/(Ws+eps))*n0;endwaitbar(ir/n,h);endclose(h);out = pointCloud(xyzNew,'Color',pc.Color,'Normal',normals);
end

2、GUI版本

function bilateralFilterGUI
% 双边滤波 GUI（三栏：原始 | 加噪 | 滤波）—— 2020a 兼容
fig = figure('Name','双边滤波工具','NumberTitle','off',...'MenuBar','none','ToolBar','none','Position',[100 100 1280 720]);%% ==================== 界面布局 ====================
imgWidth = 0.78;
panelW   = imgWidth/3 - 0.005;pnlOrig = uipanel('Parent',fig,'Units','normalized',...'FontSize',16,'Position',[0.02 0.02 panelW 0.96],'Title','原始点云');
pnlNois = uipanel('Parent',fig,'Units','normalized',...'FontSize',16,'Position',[0.02+panelW+0.005 0.02 panelW 0.96],'Title','加噪声');
pnlFilt = uipanel('Parent',fig,'Units','normalized',...'FontSize',16,'Position',[0.02+2*(panelW+0.005) 0.02 panelW 0.96],'Title','双边滤波');axOrig = axes('Parent',pnlOrig,'Units','normalized','Position',[0.05 0.05 0.90 0.90]);
axNois = axes('Parent',pnlNois,'Units','normalized','Position',[0.05 0.05 0.90 0.90]);
axFilt = axes('Parent',pnlFilt,'Units','normalized','Position',[0.05 0.05 0.90 0.90]);pnlCtrl = uipanel('Parent',fig,'Units','normalized',...'FontSize',16,'Position',[0.78 0 0.22 1],'Title','控制');%% ==================== 控件 ====================
txtH  = 0.04;  btnH = 0.06;  gap = 0.02;  yTop = 0.94;uicontrol('Parent',pnlCtrl,'Style','pushbutton','String','浏览…',...'FontSize',16,'Units','normalized','Position',[0.05 yTop-btnH 0.90 btnH],...'Callback',@loadCloud);
yTop = yTop - btnH - gap;lblInfo = uicontrol('Parent',pnlCtrl,'Style','text','String','未加载点云',...'FontSize',10,'Units','normalized','Position',[0.05 yTop-txtH 0.90 txtH],...'HorizontalAlignment','left');
yTop = yTop - txtH - gap;% 噪声强度
uicontrol('Parent',pnlCtrl,'Style','text','String','噪声强度 / mm',...'FontSize',12,'FontWeight','bold','Units','normalized','Position',[0.05 yTop-txtH 0.90 txtH],...'HorizontalAlignment','left');
yTop = yTop - txtH - gap;sliderSig = uicontrol('Parent',pnlCtrl,'Style','slider','Min',0,'Max',20,'Value',5,...'FontSize',16,'Units','normalized','Position',[0.05 yTop-btnH 0.65 btnH],...'Callback',@refreshNoise);
txtSig    = uicontrol('Parent',pnlCtrl,'Style','edit','String','5',...'FontSize',16,'Units','normalized','Position',[0.75 yTop-btnH 0.20 btnH],...'Callback',@editSigCB);
yTop = yTop - btnH - gap;% 邻域点数 K
uicontrol('Parent',pnlCtrl,'Style','text','String','邻域点数 K',...'FontSize',12,'FontWeight','bold','Units','normalized','Position',[0.05 yTop-txtH 0.90 txtH],...'HorizontalAlignment','left');
yTop = yTop - txtH - gap;sliderK = uicontrol('Parent',pnlCtrl,'Style','slider','Min',2,'Max',100,'Value',30,...'FontSize',16,'Units','normalized','Position',[0.05 yTop-btnH 0.65 btnH],...'Callback',@refreshFilter);
txtK    = uicontrol('Parent',pnlCtrl,'Style','edit','String','30',...'FontSize',16,'Units','normalized','Position',[0.75 yTop-btnH 0.20 btnH],...'Callback',@editKCB);
yTop = yTop - btnH - gap;% 法向权重 σr
uicontrol('Parent',pnlCtrl,'Style','text','String','法向权重 σr',...'FontSize',12,'FontWeight','bold','Units','normalized','Position',[0.05 yTop-txtH 0.90 txtH],...'HorizontalAlignment','left');
yTop = yTop - txtH - gap;sliderR = uicontrol('Parent',pnlCtrl,'Style','slider','Min',1,'Max',50,'Value',10,...'FontSize',16,'Units','normalized','Position',[0.05 yTop-btnH 0.65 btnH],...'Callback',@refreshFilter);
txtR    = uicontrol('Parent',pnlCtrl,'Style','edit','String','10',...'FontSize',16,'Units','normalized','Position',[0.75 yTop-btnH 0.20 btnH],...'Callback',@editRCB);
yTop = yTop - btnH - gap;% 保存
uicontrol('Parent',pnlCtrl,'Style','pushbutton','String','保存滤波结果',...'FontSize',16,'Units','normalized','Position',[0.05 yTop-btnH 0.90 btnH],...'Callback',@(s,e)saveCloud(ptCloudFilt));%% ==================== 数据 ====================
ptCloudOrig = pointCloud.empty;
ptCloudNois = pointCloud.empty;
ptCloudFilt = pointCloud.empty;%% ==================== 回调 ====================function loadCloud(~,~)[file,path] = uigetfile({'*.pcd;*.ply;*.xyz','点云文件'},'选择点云');if isequal(file,0), return; endtryptCloudOrig = pcread(fullfile(path,file));catch MEerrordlg(ME.message,'读取失败'); return;end
%         disp(isvalid(axOrig))   % 必须 =1% 显示原始点云showPointCloud(axOrig,ptCloudOrig);set(lblInfo,'String',sprintf('已加载：%s  (%d 点)',file,ptCloudOrig.Count));refreshNoise();             % 自动生成噪声并滤波endfunction refreshNoise(~,~)if isempty(ptCloudOrig), return; endsigma = get(sliderSig,'Value')/1000;        % mm → mxyz   = ptCloudOrig.Location;xyzNois = xyz + sigma*randn(size(xyz));ptCloudNois = pointCloud(xyzNois,'Color',ptCloudOrig.Color);showPointCloud(axNois,ptCloudNois);set(txtSig,'String',num2str(get(sliderSig,'Value')));refreshFilter();endfunction refreshFilter(~,~)if isempty(ptCloudNois), return; endK  = round(get(sliderK,'Value'));sr = get(sliderR,'Value');ptCloudFilt = pcdBilateralFilter(ptCloudNois,K,sr);showPointCloud(axFilt,ptCloudFilt);set(txtK,'String',num2str(K));set(txtR,'String',num2str(sr));endfunction editSigCB(src,~)v = str2double(get(src,'String'));if isnan(v), v = 5; endv = max(0,min(20,v));set(sliderSig,'Value',v);refreshNoise();endfunction editKCB(src,~)v = str2double(get(src,'String'));if isnan(v), v = 30; endv = max(2,min(100,round(v)));set(sliderK,'Value',v);refreshFilter();endfunction editRCB(src,~)v = str2double(get(src,'String'));if isnan(v), v = 10; endv = max(1,min(50,v));set(sliderR,'Value',v);refreshFilter();endfunction saveCloud(cloud)if isempty(cloud)errordlg('请先完成滤波','提示'); return;end[file,path] = uiputfile({'*.pcd','PCD';'*.ply','PLY';'*.xyz','XYZ'},'保存滤波点云');if isequal(file,0), return; endtrypcwrite(cloud,fullfile(path,file),'Precision','double');msgbox('保存成功！','提示');catch MEerrordlg(ME.message,'保存失败');endendfunction showPointCloud(ax,pc)%---- 2020a 暖启动 + 强制刷新 ----cla(ax); set(ax,'Color','w');pcshow(pointCloud(nan(0,3)),'Parent',ax,'MarkerSize',1); drawnow;pcshow(pc,'Parent',ax,'MarkerSize',35);axis(ax,'tight'); grid(ax,'on'); view(ax,3);drawnow;        % 确保刷新end%% ==================== 双边滤波核心（零 pcnormals） ====================function out = pcdBilateralFilter(pc,K,srMm)K   = max(round(K),2);sr  = srMm/1000;xyz = pc.Location;n   = size(xyz,1);kd  = createns(xyz,'NSMethod','kdtree');% 自算法向量block  = 10000;normals= zeros(n,3,'like',xyz);h      = waitbar(0,'计算法向量…');for i = 1:block:nir = min(i+block-1,n);[idxMat,~] = knnsearch(kd, xyz(i:ir,:), 'K', K);for k = i:iridx = idxMat(k-i+1,:);P   = xyz(idx,:);[~,~,V] = svd(P - mean(P,1),0);nk  = V(:,3);if nk(3)>0, nk=-nk; endnormals(k,:) = nk;endwaitbar(ir/n,h);endclose(h);% 双边滤波xyzNew = zeros(n,3,'like',xyz);h = waitbar(0,'双边滤波…');for i = 1:block:nir = min(i+block-1,n);[idxMat,~] = knnsearch(kd, xyz(i:ir,:), 'K', K);for k = i:iridx = idxMat(k-i+1,:);p0  = xyz(k,:);n0  = normals(k,:);Ws  = 0; Z = 0;for t = 2:numel(idx)pj  = xyz(idx(t),:);vec = pj - p0;dd  = norm(vec);dn  = dot(vec, n0);ws  = exp(-(dd^2)/(2*(0.05)^2));wr  = exp(-(dn^2)/(2*sr^2));w   = ws*wr;Ws  = Ws + w;Z   = Z  + w*dn;endxyzNew(k,:) = p0 + (Z/(Ws+eps))*n0;endwaitbar(ir/n,h);endclose(h);out = pointCloud(xyzNew,'Color',pc.Color,'Normal',normals);end
end

二、点云双边滤波的结果

        依旧采用GUI布局，添加了噪声设置功能，双边滤波设置了邻域个数控制和法向量权重变量。总体来说性能还比较平稳。小伙伴们快来试试吧！

就酱，下次见^-^

http://www.dtcms.com/a/419103.html

相关文章：

  • 4-5〔O҉S҉C҉P҉ ◈ 研记〕❘ WEB应用攻击▸远程文件包含漏洞
  • 怎么在淘宝上做网站中交建设集团网站
  • 在线查看网站源码中国最新新闻
  • 轴状态读取(运动控制系列)
  • quic的拥塞控制
  • 【模型系列】Human-in-the-Loop
  • AI项目问题总结大全
  • 【linux内核驱动day03】
  • Accelerate基本使用
  • Day75 基本情报技术者 单词表10 ネットワーク応用
  • 企业网站美化做常州美食网站首页的背景图
  • 网站建设设计的流程wordpress的搭建教程 pdf
  • 页网站腾讯云学生机做网站
  • C++ 模板（Template）基础与应用
  • Flask实战指南：从基础到高阶的完整开发流程
  • I2C总线详解
  • 从底层到应用：开散列哈希表与_map/_set 的完整实现（附逐行注释）
  • MoonBit 异步网络库发布
  • OpenLayers地图交互 -- 章节十六：双击缩放交互详解
  • Kubernetes HPA从入门到精通
  • 株洲做网站的公司网站页面设计
  • 汕头企业网站建设价格视频作为网站背景
  • 视频抽帧完全指南：使用PowerShell批量提取与优化图片序列
  • 1、User-Service 服务设计规范文档
  • 企业网站模板购买企业级网站建设
  • 路由器设置手机网站打不开wordpress跳转二级域名
  • MySQL在线DDL：零停机改表实战指南
  • 哪个做图网站可以挣钱马鞍山网站建设公司排名
  • 杭州公司做网站电商是干什么工作的
  • 揭秘InnoDB磁盘I/O与存储空间管理