当前位置：首页 > wzjs >正文

出口网站怎么做江苏五星建设网站

wzjs 2025/9/7 17:03:20

出口网站怎么做,江苏五星建设网站,微信安全中心官网,电子商务网站开发基础参考笔记：Open3D：理解与应用半径滤波器-CSDN博客目录一、算法原理 1.算法概述 2.计算过程二、Open3D实现半径滤波器一、算法原理 1.算法概述半径滤波器：全称 Radius Outlier Removal ，是一种基于邻域密度的点云去噪方法…

参考笔记：Open3D：理解与应用半径滤波器-CSDN博客

一、算法原理

1.算法概述

2.计算过程

二、Open3D实现半径滤波器

一、算法原理

1.算法概述

半径滤波器：全称 Radius Outlier Removal ，是一种基于邻域密度的点云去噪方法。它的思路非常直接直接和简单，就是在点云数据中，该算法要求每一个点在一定的半径范围内至少有足够多的邻点，否则就会被当作噪声点移除

核心思想：有效点通常位于密度较高的区域，而噪声点往往孤立存在

2.计算过程

假设点云中有 n 个点，分别是 $\color{red}p_1=(x_1,y_1,z_1),.....,p_n=(x_n,y_n,z_n)$

对点云中所有的点都要做以下算法流程：

① 邻域搜索

对点 $\color{red}p_i$ ，搜索其半径 $\color{red}r$ 内的所有邻近点

② 密度判定

统计点 $\color{red}p_i$ 在该半径内的邻居点数量 $\color{red}N_i$

③ 阈值过滤

若 $\color{red}N_i<N_{thres}$ ，则判定 $\color{red}p_i$ 为噪声点并移除。其中 $\color{red}N_{thres}$ 为预设的最小邻居点数

🆗，以上就是半径滤波的整个算法流程，非常简单。在后续用 Open3D 实现算法时，只需要输入半径 $\color{red}r$ 和最小邻居点阈值 $\color{red}N_{thres}$ 即可

二、Open3D实现半径滤波器

Open3D 中实现点云半径滤波的函数是：

def remove_radius_outlier(self, nb_points, radius):

参数解析
- nb_points：最小邻居点个数，也就是我们在前面的算法原理讲到的 $\color{red}N_{thres}$
- radius：半径 $\color{red}r$

返回值解析
- filtered_pcd： 保留的内点 (inliers) 构成的点云（已移除噪点）
- inlier_indices：对应原始点云中，被保留为内点的点的索引

案例实现：

import open3d as o3d
import numpy as np# 生成含噪声的测试点云
def generate_test_data():# 生成球面点云，作为有效数据mesh_sphere = o3d.geometry.TriangleMesh.create_sphere(radius=1.0)mesh_sphere.compute_vertex_normals()sphere_pcd = mesh_sphere.sample_points_uniformly(number_of_points=500)# 添加一些随机噪声（离群点）noise_points = np.random.uniform(-3, 3, (100, 3))noise_pcd = o3d.geometry.PointCloud()noise_pcd.points = o3d.utility.Vector3dVector(noise_points)# 合并点云combined_pcd = sphere_pcd + noise_pcdreturn combined_pcdif __name__ == "__main__":# 生成测试数据original_pcd = generate_test_data()#可视化原始点云original_pcd.paint_uniform_color([1, 0, 0])  # 设置为红色o3d.visualization.draw_geometries([original_pcd], window_name="原始点云",width=1024, height=768,left=50, top=50,mesh_show_back_face=False)# 执行半径滤波print("Radius Outlier Removal")filtered_pcd, inlier_indices = original_pcd.remove_radius_outlier(nb_points=16, #最小邻居点数radius=1)   #半径r# 打印结果print(f"原始点云点数: {len(original_pcd.points)}")print(f"半径滤波后点云点数: {len(filtered_pcd.points)}")print(f"离群点的个数: {len(original_pcd.points) - len(filtered_pcd.points)}")# 可视化半径滤波之后的点云filtered_pcd.paint_uniform_color([1, 0, 0])  # 设置为红色o3d.visualization.draw_geometries([filtered_pcd], window_name="半径点云",width=1024, height=768,left=50, top=50,mesh_show_back_face=False)

运行结果（半径滤波前后效果对比）：