最近投稿点云数据处理的文章，经常被审稿人Diss不加点云去噪的相关介绍。点云去噪本身就是一个非常独立且复杂的研究领域，要想增加这部分内容的介绍，还是要下一点功夫的。这里，就跟大家分享一个基于PCL库的比较成熟的点云去噪方法实现，即高斯滤波。

高斯滤波（标准差去噪）

适用于呈正态分布的数据。考虑到离群点的特征，则可以定义某处点云小于某个密度，既点云无效。计算每个点到其最近的k个点平均距离。则点云中所有点的距离应构成高斯分布。给定均值与方差，可剔除3∑之外的点。

高斯函数的具体介绍转自：https://blog.csdn.net/jorg_zhao/article/details/52687448

这里有几个对高斯核函数进行参数设置的方法，单独列出来以方便学习：

setSigma()

设置高斯函数的方差。随着sigma的增大，整个高斯函数的尖峰逐渐减小，整体也变的更加平缓，则对图像的平滑效果越来越明显。

setThreshold()

设置高斯函数的作用域半径threshold，超过则不计入计算。

 setThresholdRelativeToSigma()

依据核函数方差获得关联作用域，sigma_coefficient^2 * sigma^2 = threshold。

实例代码如下：

#include <iostream> 
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h> 
#include <pcl/point_cloud.h>
#include <boost/random.hpp>
#include <pcl/console/time.h>
#include <pcl/filters/convolution_3d.h>
#include <pcl/kdtree/kdtree_flann.h>
using namespace std;vector<vector<double>> DenoisingPD_GaussianKernel(vector<vector<double>> pointCloudOriginal) {cout << "Gaussian denoising start:" << endl;pcl::PointCloud<pcl::PointXYZ>::Ptr inputcloud(new pcl::PointCloud<pcl::PointXYZ>);pcl::PointCloud<pcl::PointXYZ>::Ptr outputcloud(new pcl::PointCloud<pcl::PointXYZ>);//Read point cloud in the input filefor (int i = 0; i < pointCloudOriginal.size(); i++){pcl::PointXYZ cloud_i;cloud_i.x = pointCloudOriginal[i][0];cloud_i.y = pointCloudOriginal[i][1];cloud_i.z = pointCloudOriginal[i][2];inputcloud->push_back(cloud_i);}//Set up the Gaussian Kernelpcl::filters::GaussianKernel<pcl::PointXYZ, pcl::PointXYZ>::Ptr kernel(new pcl::filters::GaussianKernel<pcl::PointXYZ, pcl::PointXYZ>);(*kernel).setSigma(4);(*kernel).setThresholdRelativeToSigma(4);std::cout << "Kernel made" << std::endl;//Set up the KDTreepcl::search::KdTree<pcl::PointXYZ>::Ptr kdtree(new pcl::search::KdTree<pcl::PointXYZ>);(*kdtree).setInputCloud(inputcloud);std::cout << "KdTree made" << std::endl;//Set up the Convolution Filterpcl::filters::Convolution3D <pcl::PointXYZ, pcl::PointXYZ, pcl::filters::GaussianKernel<pcl::PointXYZ, pcl::PointXYZ> > convolution;convolution.setKernel(*kernel);convolution.setInputCloud(inputcloud);convolution.setSearchMethod(kdtree);convolution.setRadiusSearch(radius);convolution.setNumberOfThreads(10);//important! Set Thread number for openMPstd::cout << "Convolution Start" << std::endl;convolution.convolve(*outputcloud);std::cout << "Convoluted" << std::endl;vector<vector<double>> pCDenosing(pointCloudOriginal.size());for (int i = 0; i < outputcloud->size(); i++) {vector<double> pi(3);pi[0] = outputcloud->at(i).x;pi[1] = outputcloud->at(i).y;pi[2] = outputcloud->at(i).z;pCDenosing[i] = pi;}cout << "Gaussian denoising finished!" << endl;
}

去噪结果：

点云数据去噪前（左），去噪后，sigma = 6（右）。

++

Mesh数据去噪前（左），去噪后（右）。