Guided Filter对三维点云降噪
同步更新于github page
文章目录
- Guided Filter点云降噪
- Results
- Notes
- Code
- References
Guided Filter点云降噪
Guided Filter一般用来对2D图像进行降噪等处理,实际上,稍作修改后可以对3D点云进行降噪。
从Guided Filter的基本假设出发,可以推导出针对3D数据的处理方法。这里仅考虑引导数据是点云本身的情况。
首先,根据局部线性假设,有
qi=Akpi+bkq_i=A_kp_i+b_k qi=Akpi+bk
其中qiq_iqi是滤波后输出的三维点,pip_ipi是当前需要滤波的点(即算法的输入),AkA_kAk是一个3x3矩阵,bkb_kbk是3x1向量。
我们希望这个局部线性模型,在pip_ipi的领域内有最小的重建误差,即
argminAk,bk∑j∈N(i)(∥Akpj+bk−pj∥2+ϵ∥Ak∥2)\text{arg}\min_{A_k, b_k}\sum_{j\in N(i)}(\Vert A_kp_j+b_k - p_j\Vert^2+\epsilon\Vert A_k\Vert^2) argAk,bkminj∈N(i)∑(∥Akpj+bk−pj∥2+ϵ∥Ak∥2)
用上式分别对AkA_kAk和bkb_kbk求导,并令导数等于0,可得
Ak(∑j∈N(i)pjpjT+nϵI)+bk∑j∈N(i)pjT−∑j∈N(i)pipiT=0bk=1n∑j∈N(i)pj−Ak1n∑j∈N(i)pj=μi−Akμi\begin{aligned} &A_k(\sum_{j\in N(i)}p_jp_j^T+n\epsilon I)+b_k\sum_{j\in N(i)}p_j^T-\sum_{j\in N(i)}p_ip_i^T=0 \\ &b_k=\frac{1}{n}\sum_{j\in N(i)}p_j-A_k\frac{1}{n}\sum_{j\in N(i)}p_j=\mu_i-A_k\mu_i \end{aligned} Ak(j∈N(i)∑pjpjT+nϵI)+bkj∈N(i)∑pjT−j∈N(i)∑pipiT=0bk=n1j∈N(i)∑pj−Akn1j∈N(i)∑pj=μi−Akμi
其中nnn是pip_ipi的领域N(i)N(i)N(i)中的点数(包括pip_ipi自己),μi\mu_iμi是N(i)N(i)N(i)中所有点的平均,将bkb_kbk带入第一个等式中,且等式两边同时除以nnn,有
Ak(1n∑j∈N(i)pjpjT−μiμiT+ϵI)=1n∑j∈N(i)pjpjT−μiμiTA_k(\frac{1}{n}\sum_{j\in N(i)}p_jp_j^T-\mu_i\mu_i^T+\epsilon I) = \frac{1}{n}\sum_{j\in N(i)}p_jp_j^T-\mu_i\mu_i^T Ak(n1j∈N(i)∑pjpjT−μiμiT+ϵI)=n1j∈N(i)∑pjpjT−μiμiT
注意到
1n∑j∈N(i)pjpjT−μiμiT=Σi\frac{1}{n}\sum_{j\in N(i)}p_jp_j^T-\mu_i\mu_i^T=\Sigma_i n1j∈N(i)∑pjpjT−μiμiT=Σi
即领域N(i)N(i)N(i)中所有点的协方差矩阵,所以最终有
Ak=Σi(Σi+ϵI)−1bk=μi−Akμi\begin{aligned} A_k&=\Sigma_i(\Sigma_i+\epsilon I)^{-1} \\ b_k&=\mu_i-A_k\mu_i \end{aligned} Akbk=Σi(Σi+ϵI)−1=μi−Akμi
于是针对点云的Guided Filter算法,可概况为
- 计算点云中某一个点pip_ipi的领域N(i)N(i)N(i)
- 求N(i)N(i)N(i)中所有点的均值μi\mu_iμi和协方差Σi\Sigma_iΣi
- 根据上面的公式计算AkA_kAk和bkb_kbk
- qi=Akpi+bkq_i=A_kp_i+b_kqi=Akpi+bk,输出qiq_iqi作为对点pip_ipi的滤波结果
上面的算法实际上对Guided Filter做了一些简化,原本的Guided Filter需要得到所有包含pip_ipi的领域对应的AkA_kAk和bkb_kbk,并对这些Ak,bkA_k,b_kAk,bk求平均,再输出qi=Aˉkpi+bˉkq_i=\bar A_kp_i+\bar b_kqi=Aˉkpi+bˉk。
三维情况的Guided Filter依然保持了二维情况的优点,即对边缘或者尖锐形状的地方有较好的保护作用。平滑作用的强弱可以通过调节领域搜索时的半径rrr和ϵ\epsilonϵ来改变。
其实,双边滤波(Bilateral Filter)也能用于3D点云的降噪,而Guided Filter相对于双边滤波在三维情况下的最大优势,在于不用估计点云中每个点的法线方向。
Results
输入的带有噪声的点云:
经过两轮Guided Filter滤波后的点云:
Notes
- 对同一个点云进行多轮滤波(一般2轮足矣)可以大大提高降噪效果,有点类似于优化中的重复线性化思想。但过多的轮数可能造成滤波后的点云分布不均,由于计算均值的关系,每一轮滤波都会放大原来点云的非均匀性。
Code
Python源码可见github.
References
- Guided Image Filtering
Guided Filter对三维点云降噪相关推荐
- 将三维点云投影到XOZ面上
如图左边是原始的三维点云pcd格式,右边是投影到XOZ面上的数据,Y为0. #include <iostream> # ...
- 三维点云的深度学习研究综述
作者丨aaa 来源丨https://zhuanlan.zhihu.com/p/455210291 编辑丨3D视觉工坊 摘要 点云学习由于在计算机视觉.自动驾驶.机器人等领域的广泛应用,近年来受到越来越 ...
- 【OpenCV 例程200篇】61. 导向滤波(Guided filter)
[OpenCV 例程200篇]61. 导向滤波(Guided filter) 欢迎关注 『OpenCV 例程200篇』 系列,持续更新中 欢迎关注 『Python小白的OpenCV学习课』 系列,持续 ...
- 三维点云学习(1)下-点云体素降采样
三维点云学习(1)下 点云体素降采样(Voxel Filter Downsampling) 代码参考网址秦乐乐CSDN博客 理论参考知乎博主:WALL-E 1.方法 Centroid 均值采样 Ran ...
- 课程笔记-三维点云处理01 ——Introduction and Basic Algorithms
课程笔记-三维点云处理01 --Introduction and Basic Algorithms 本系列笔记是对深蓝学院所开设的课程:<三维点云处理>的笔记 课程每周更新,我也会努力将每 ...
- 【仓库物资识别】二、将三维点云转换成二维图像
实习第一个任务其中的一个小步骤是将三维点云转换成二维图像,今天刚好复习PCL的点云滤波部分,发现了一个具有类似功能的平面模型投影滤波--ModelCoefficients 平面参数模型的形式是:ax+ ...
- TPAMI三维点云深度学习技术综述
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 作者丨单博 来源丨 笑傲算法江湖 点击进入->3D视觉工坊学习交流群 国防科大 IEEE TPA ...
- 三维点云学习(9)5-实现RANSAC Registration配准
三维点云学习(9)5-实现RANSAC Registration配准 参考博客: 机器视觉之 ICP算法和RANSAC算法 三维点云配准 ICP点云配准原理及优化 本章因个人能力有限,大部分代码摘自g ...
- 三维点云数据处理软件供技术原理说明_基于三维点云处理技术的工件识别和匹配...
1. 引言 目前,随着自动化程度的提高,机器人导航.工业零件检测及抓取等众多领域对计算机视觉系统的要求越来越高 [1],基于二维图像的物体识别已经无法满足日常作业的需求.而由于三维扫描技术的发展,结构 ...
最新文章
- matlab Lasso回归
- numpy insert
- Spring-AOP 流程切面
- 2022年全球及中国固态电解质(SSE)行业应用现状与十四五投资潜力分析报告
- python watchdog 同时检测到多个事件_python中watchdog文件监控与检测上传功能
- MySQL设置数据库及表的字符集
- Python List 列表list()方法分享
- 两个同时comet matlab,Matlab讲义 - 图文
- 移除指定 global using 命名空间
- Linux C----创建静态库
- 给,你要的Go学习路线图来啦
- vue路由配置src/router/index.js
- seo模拟点击软件_网站外链在SEO优化过程中不可或缺 - 360排名点击软件
- 蔚来es6_国产Model Y订单挤爆官网,蔚来ES 6惨遭大量退订?
- sql常用优化小知识
- 【人脸识别】基于matlab GUI LBP人脸识别【含Matlab源码 1282期】
- 手机定位导航不准确?做到这几点就好了!
- 怎样把c语言软件卸载干净,怎么把一个软件卸载干净_小编教你彻底卸载软件的方法-系统城...
- php enc28j60,uip0.9+ENC28J60 缓存的读写发送
- 如何写出完美的复试简历?没有科研竞赛经历怎么办?老师喜欢什么样的学生?跨考生?//2021-2-5
热门文章
- Linux各种发行版本概述(Redhat系 | Debian系)
- 上海交通大学船舶海洋与建筑工程学院谢彬Numerical TESTs for PDEs解答5.2.2
- (ResultSet.TYPE_SCROLL_INSENSITIVE,ResultSet.CONCUR_READ_ONLY)讲解
- Linux优化大量文件读写,[Linux] 使用noatime属性优化文件系统读取性能
- tcl电视解除第三方限制终极方法 实测有效
- Python 爬虫进阶必备 | 关于某免费 IP 发布平台网页加密参数逻辑分析
- 网络OSI七层模型详解(物理层、数据链路层、网络层、传输层.....应用层协议与硬件)
- 音乐学习能够帮助孩子们注意力更集中吗?
- Python每日一题 - 7 - 求某一天是这一年的第几天
- thinkphp3.2对接短信验证码平台代码