点云滤波处理(使用CloudCompare软件)

曾经终败给现在 2023-05-28 06:47 6阅读 0赞

最近研究了一下点云滤波的功能，所以写一篇笔记记录一下。

### 文章目录 ###

*  一、点云滤波的意义
 *  二、梯度滤波(Gradient)算法
 *  三、CSF(Cloth Simulation Filter)过滤算法
 *  四、Bilateral滤波算法

# 一、点云滤波的意义 #

在我们获取点云的时候，总会由于设备精度的限制、操作人员的人为因素和环境条件因素等带来的影响，以及电磁波衍射特性和数据进行拼接配准操作过程的影响，点云数据总会产生一些我们意想不到的噪声点。在点云处理流程中滤波处理作为预处理的第一步，往往对后续处理的影响很大，因此只有在滤波预处理中将噪声点、离群点等等按照后续处理定制，才能更好的进行配准、特征提取、曲面重建和可视化等后续的处理。

> ·而在PCL中总结了几种需要进行点云滤波处理的情况，这几种情况分别是：  
> (1)点云数据密度不规则需要平滑。  
> (2)因为遮挡等问题造成离群点需要去除。  
> (3)大量数据需要进行“下采样”(Downsample)。  
> (4)噪声数据需要去除。  
> ·对应的解决方法是：  
> (1)按具体给定的规则限制过滤去除点。  
> (2)通过常用滤波算法修改点的部分属性。  
> (3)对数据进行下采样。

说了这么多，接下来就使用CloudCompare软件来进行简单的滤波处理。

# 二、梯度滤波(Gradient)算法 #

因为在CloudCompare软件中，我并没有找到现成的功能(指点击一下就自行处理)，所以我是用CC中的几个小功能结合在一起才能达到滤波的效果。  
1、打开软件，加载数据。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70]  
2、为该数据添加Scalar标量字段，像CC中的这种标量字段以我现在的理解它和Aicgis中属性表的字段应该一样，都是可以表示对象的某种属性值，本次实验是把点云的z坐标值作为它的一个scalar。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 1]  
![在这里插入图片描述][20200328110112647.png]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 2]  
3、点击Gradient功能按钮，CC会根据当前的scalar字段计算出一个Gradient字段。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 3]![在这里插入图片描述][20200328110640792.png]

这一步是在问我们是否要按照欧式距离来计算得出Gradient字段，这里我选择了是，因为当前字段是点云实体的高程字段。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 4]  
此时该字段的值表示的是两个相邻点之间的倾斜度。  
4、得到了Gradient字段之后，我们可以利用梯度的值对原始数据进行简单的过滤。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 5]  
5、填写Gradient值的范围(这个范围指的是你想要将梯度值0.3-1.0之间的点云剔除，保留剩下的点云数据)进行点云的过滤，点击Split即可。  
![在这里插入图片描述][20200328132012815.png]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 6]  
6、实现的效果  
过滤掉的点云部分：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 7]  
最终效果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 8]

# 三、CSF(Cloth Simulation Filter)过滤算法 #

该方法相较于之前的操作步骤相对而言简单了很多，其原理也非常的巧妙：是将扫描得到的点云进行倒置，然后用一种刚性布料覆盖翻转后的点云。通过分析布料节点与相应点云中的点之间的相互作用，可以确定布料节点的位置用以生成近似的地表形状，最后，再通过比较原始点云中的点和生成的布料曲面之间的距离，实现从点云实体中提取地面点。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 9]  
具体操作步骤如下：  
1、打开软件，加载数据(同上)。  
2、选中点云对象，点击cc中“plugin”中的“CSF filter”。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 10]  
3、设置CSF方法的参数。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 11]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 12]  
图中：Cloth resolution：是指用于覆盖地形的布的网格大小(单位与点云的单位相同)。你设置的布分辨率越大，你得到的DTM就越粗糙；Max iterations：是指地形仿真的最大迭代次数。500对大多数场景来说都足够了。Classification threshold：是指根据点与模拟地形之间的距离，将点云划分为地面和非地面部分的阈值。0.5适用于大多数场景。  
4、点击“OK”即可，处理效果如下：  
过滤掉的点云部分：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 13]  
最终效果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 14]  
从二和三中的处理效果可以发现，虽然二中的Gradient算法可以去除了很多草的主干部分，但是仍有一部分的残余的点云漂浮在地面之上；三中的CSF算法则可以去除草的上半部分，而对草的根部去除的效果并不理想。所以我就结合两种方法，先使用Gradient算法进行了第一次过滤，然后又使用了CC中的CSF过滤方法对数据进行了第二次过滤，处理的效果如下所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 15]

# 四、Bilateral滤波算法 #

> 双边滤波算法是通过考虑中心像素点到邻域像素点的距离(一边)以及像素亮度差值所确定的权重(另一边)来修正当前采样中心点的位置，从而达到平滑滤波效果。同时也会有选择性的剔除部分与当前采样点“差异”太大的相邻采样点 ，从而达到保持原特征的目的。

将三中最后处理的结果作为本次实验的对象。  
1、选择要进行滤波处理的点云对象，并把当前的scalar设置为Coord.z，点击“Edit”——“Scalar Field”——“Bilateral Filter”算法。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 16]  
2、设置参数。  
![在这里插入图片描述][20200328201912988.png]

图中：Spatial sigma：是指空间标准差，也就是定义中所提到的“中心像素点到邻域像素点的距离”的标准差。Scalar sigma：标量标准差，也就是指定义中的“像素亮度差值所确定的权重”的标准差。  
3、点击“OK”即可生成Bilateral标量字段。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 17]  
4、然后将Bilateral字段设置为原点云数据的Z坐标值即可。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 18]![在这里插入图片描述][2020032820341021.png]

最后效果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 19]  
同理，Gaussian过滤方法也可以通过上述的操作过程得以实现。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70]: /images/20230528/46c3f778fedd463fa4e6a7a96751daf2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 1]: /images/20230528/5b2f080c1047422f99f2ae1039e46d5f.png
[20200328110112647.png]: /images/20230528/b7a4dab05c3f49cc8183a3eb2b983174.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 2]: /images/20230528/3e1e909fe0cb44f7a59bd338f420b091.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200328110611659.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ==,size_16,color_FFFFFF,t_70
[20200328110640792.png]: /images/20230528/8e7d771318c647cb8e33d64608e21cd0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 4]: /images/20230528/f6b1c6daae0648f6b1e7d3e7da384276.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 5]: /images/20230528/ba9baf73423b4c56b069da80c3ab13c7.png
[20200328132012815.png]: /images/20230528/78ce573631524a978b24644262908705.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 6]: /images/20230528/6e4eafb7f2304bef9748c6b80bd378f7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 7]: /images/20230528/59f8bbe81bf44046a0654452afbd8f02.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 8]: /images/20230528/db049e0a90c44b979b57d54d4d94bb10.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 9]: /images/20230528/431b0be6b81847b6a6e4de237bbab832.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 10]: /images/20230528/d6f0b9d34afe4971b1b5362a5a8fe269.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 11]: /images/20230528/78145ae1f35141feb0b560559eeeb1db.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 12]: /images/20230528/0242016ab65e4857b016712fb6a27b4e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 13]: /images/20230528/b14449591923433386b012e3e2496e02.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 14]: /images/20230528/1c2b986499264bb2b433aec98c569069.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 15]: /images/20230528/5b2abd2e264442d3aa3074388a742c0f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 16]: /images/20230528/2aabaf8b8ea34945a6338e2b806c8989.png
[20200328201912988.png]: /images/20230528/9c310769b7aa4c4b8549b91c3cbc9fe3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 17]: /images/20230528/31fa490e62744e0bbb22751398ca22c9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 18]: https://img-blog.csdnimg.cn/2020032820334853.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ==,size_16,color_FFFFFF,t_70
[2020032820341021.png]: /images/20230528/1299183254b4481196592145f34c5cd4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RheXVoYWl0YW5nMQ_size_16_color_FFFFFF_t_70 19]: /images/20230528/9d654d515d004ca980e4ee91db14cca3.png