研究點云數據時，感覺無從下手？

看看這十大點云數據處理技術，換個思路學點云。

點云 · 定義

簡言之，在獲取物體表面每個采樣點的空間坐標后，得到的是一個點的集合，稱之為“點云”。包括三維坐標(XYZ)、激光反射強度(Intensity)和顏色信息(RGB)。

點云·數據處理技術

目前，點云處理涉及的技術主要為以下十個：

• 點云濾波(數據預處理)
• 點云關鍵點
• 特征和特征描述
• 點云配準
• 點云分割與分類
• SLAM圖優化
• 目標識別檢索
• 變化檢測
• 三維重建
• 點云數據管理

1、點云濾波(數據預處理)

點云濾波，顧名思義，即濾掉噪聲。原始采集的點云數據往往包含大量散列點、孤立點，下圖為濾波前后的點云效果對比。

點云濾波的主要方法有：雙邊濾波、高斯濾波、條件濾波、直通濾波、隨機采樣一致濾波、VoxelGrid濾波等，這些算法都被封裝在了PCL點云庫中。

2、點云關鍵點

在二維圖像上，有Harris、SIFT、SURF、KAZE這樣的關鍵點提取算法，這種特征點的思想可以推廣到三維空間。從技術上來說，關鍵點的數量相比于原始點云或圖像的數據量減小很多，與局部特征描述子結合在一起，組成關鍵點描述子常用來形成原始數據的表示，而且不失代表性和描述性，從而加快了后續的識別，追蹤等對數據的處理速度，故而，關鍵點技術成為在2D和3D 信息處理中非常關鍵的技術。

常見的三維點云關鍵點提取算法有一下幾種：ISS3D、Harris3D、NARF、SIFT3D，

這些算法在PCL庫中都有實現，其中NARF算法是比較常見的。

3、特征和特征描述

如果要對一個三維點云進行描述，光有點云的位置是不夠的，常常需要計算一些額外的參數，比如法線方向、曲率、文理特征等等。如同圖像的特征一樣，我們需要使用類似的方式來描述三維點云的特征。

常用的特征描述算法有：法線和曲率計算、特征值分析、PFH、FPFH、3D Shape Context、Spin Image等。

PFH：點特征直方圖描述子；

FPFH：跨蘇點特征直方圖描述子，FPFH是PFH的簡化形式。

4、點云配準

點云配準的概念類比于二維圖像中的配準，只不過二維圖像配準獲取得到的是x，y，alpha，beta等放射變化參數，二三維點云配準可以模擬三維點云的移動和對齊，也就是會獲得一個旋轉矩陣和一個平移向量，通常表達為一個4×3的矩陣，其中3×3是旋轉矩陣，1*3是平移向量。嚴格說來是6個參數，因為旋轉矩陣也可以通過羅格里德斯變換轉變成1*3的旋轉向量。

常用的點云配準算法有兩種：正太分布變換和著名的ICP點云配準，此外還有許多其它算法，列舉如下：

ICP：穩健ICP、point to plane ICP、point to line ICP、MBICP、GICP

NDT 3D、Multil-Layer NDT

FPCS、KFPSC、SAC-IA

Line Segment Matching、ICL

5、點云分割與分類

點云分割又分為區域提取、線面提取、語義分割與聚類等。一般說來，點云分割是目標識別的基礎。

分割：區域聲場、Ransac線面提取、NDT-RANSAC、K-Means、Normalize Cut、3D Hough Transform(線面提取)、連通分析

分類：基于點的分類，基于分割的分類，監督分類與非監督分類

6、SLAM圖優化

SLAM技術中，在圖像前端主要獲取點云數據，而在后端優化主要就是依靠圖優化工具。而SLAM技術近年來的發展也已經改變了這種技術策略。在過去的經典策略中，為了求解LandMark和Location，將它轉化為一個稀疏圖的優化，常常使用g2o工具來進行圖優化。

下面是一些常用的工具和方法：

g2o、LUM、ELCH、Toro、SPA

SLAM方法：ICP、MBICP、IDC、likehood Field、 Cross Correlation、NDT

7、目標識別檢索

這是點云數據處理中一個偏應用層面的問題，簡單說來就是Hausdorff距離常被用來進行深度圖的目標識別和檢索，現在很多三維人臉識別都是采用這種技術。

8、變化檢測

當無序點云在連續變化中，八叉樹算法常常被用于檢測變化，這種算法需要和關鍵點提取技術結合起來，八叉樹算法也算是經典中的經典了。

9、三維重建

我們獲取到的點云數據都是一個個孤立的點，如何從一個個孤立的點得到整個曲面呢，這就是三維重建。

在玩kinectFusion時候，如果我們不懂，會發現曲面漸漸變平緩，這就是重建算法不斷迭代的效果。我們采集到的點云是充滿噪聲和孤立點的，三維重建算法為了重構出曲面，常常要應對這種噪聲，獲得看上去很舒服的曲面。

常用的三維重建算法和技術有：

• 泊松重建、Delauary triangulatoins
• 表面重建，人體重建，建筑物重建，輸入重建
• 實時重建：重建紙杯或者龍作物4D生長臺式，人體姿勢識別，表情識別

10、點云數據管理

主要包含以下幾方面：點云壓縮，點云索引(KDtree、Octree)，點云LOD(金字塔)，海量點云的渲染。

|實景建模軟件推薦——點擊下方了解更多申請試用

實景建模軟件ContextCapture

Bentley Pointools點云數據處理軟件

ContextCapture Center實景建模軟件

廣州君和,用心服務上千家客戶,專為客戶提供bentley軟件,建筑用的bim軟件等正版BIM軟件出售。

業務咨詢請私信小編或者百度搜索—艾三維

總結

以上是生活随笔為你收集整理的python数据处理高斯滤波_十大点云数据处理技术梳理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。