介绍

统计离群值删除过程更加精细。首先，对于每个点，计算到其K个邻居的平均距离。然后，如果我们假设结果是具有均值μ和标准偏差σ的正态（高斯）分布，则可以认为删除所有均值距离不在全局均值加偏差范围之内的点是安全的。基本上，它对相邻点之间的距离进行统计分析，并修剪所有不被视为“正常”的部分（您可以使用算法的参数定义什么是“正常”）。

代码详情

#include <pcl/io/pcd_io.h>
#include <pcl/filters/statistical_outlier_removal.h>
#include <iostream>
#include <pcl/filters/filter.h>
#include <pcl/visualization/cloud_viewer.h>
int
main(int argc, char** argv)
{// Objects for storing the point clouds.pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);pcl::PointCloud<pcl::PointXYZ>::Ptr filteredCloud(new pcl::PointCloud<pcl::PointXYZ>);// Read a PCD file from disk.if (pcl::io::loadPCDFile<pcl::PointXYZ>(argv[1], *cloud) != 0){return -1;}/*std::vector<int> mapping;pcl::removeNaNFromPointCloud(*cloud, *cloud, mapping);*/// Filter object.pcl::StatisticalOutlierRemoval<pcl::PointXYZ> filter;filter.setInputCloud(cloud);// Set number of neighbors to consider to 50.filter.setMeanK(50);// Set standard deviation multiplier to 1.// Points with a distance larger than 1 standard deviation of the mean distance will be outliers.filter.setStddevMulThresh(1.0);filter.filter(*filteredCloud);pcl::io::savePCDFileASCII("statistical_qutlier_remove.pcd", *filteredCloud);cout<<"cloud"<<cloud->points.size()<<"filteredCloud"<<filteredCloud->points.size()<<endl;pcl::visualization::PCLVisualizer *p = new pcl::visualization::PCLVisualizer(argc, argv, "example");int vp_1, vp_2;p->setBackgroundColor(0, 0, 0);p->createViewPort(0.0, 0, 0.5, 1.0, vp_1);p->createViewPort(0.5, 0, 1.0, 1.0, vp_2);p->removePointCloud("source");p->removePointCloud("target");pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>   cloud_tgt_h(cloud, 0, 255, 0);pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_src_h(filteredCloud, 255, 0, 0);p->addPointCloud(cloud, cloud_tgt_h, "target", vp_1);p->addPointCloud(filteredCloud, cloud_src_h, "source", vp_2);p->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "target");p->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "source");p->spin();p->removePointCloud("source");p->removePointCloud("target");
}

处理结果

代码链接

代码链接：https://github.com/DoubleYuanL/PCL_Tutorial2-4.3.2-Statistical.git

PCL_Tutorial2-4.3.2-点云基于统计的异常值去除相关推荐

技术干货｜阿里云基于Hudi构建Lakehouse实践探索
简介:阿里云高级技术专家王烨(萌豆)在Apache Hudi 与 Apache Pulsar 联合 Meetup 杭州站上的演讲整理稿件,本议题介绍了阿里云如何使用 Hudi 和 OSS 对象存储构建 ...
技术干货｜阿里云基于Hudi构建Lakehouse实践探索「内附干货PPT下载渠道」
简介: 阿里云高级技术专家王烨(萌豆)在Apache Hudi 与 Apache Pulsar 联合 Meetup 杭州站上的演讲整理稿件,本议题介绍了阿里云如何使用 Hudi 和 OSS 对象存储构 ...
kaggle信用卡欺诈看异常检测算法——无监督的方法包括：基于统计的技术，如BACON *离群检测多变量异常值检测基于聚类的技术；监督方法：神经网络 SVM 逻辑回归...
使用google翻译自:https://software.seek.intel.com/dealing-with-outliers 数据分析中的一项具有挑战性但非常重要的任务是处理异常值.我们通常将异 ...
拍乐云基于AV1的实时视频系统技术实践
点击上方"LiveVideoStack"关注我们实时视频系统对于时延的要求极高,视频编码器必须满足实时性的要求.新一代视频标准AV1相比主流H.264在Rate-distorta ...
华为云基于云原生媒体网络，又出重磅新品
摘要:华为云TechWave云原生媒体服务专题日上,华为云媒体服务产品部云视频总监陆振宇发表演讲<云原生媒体网络,升级传统,赋能未来>,分享了为什么要重构媒体网络,基于华为云的云原生技术构 ...
《中国人工智能学会通讯》——6.16 基于统计的推理方法
6.16 基于统计的推理方法前面提到,知识图谱中基于统计的推理方法一般指关系机器学习方法,一个比较好的综述论文可以参考文献 [17].下面介绍一些典型的方法. 实体关系学习方法实体关系学习的目的是 ...
基于统计学习---面向新闻的发生地与提及地检测
基于统计学习---面向新闻的发生地与提及地检测一.摘要二.流程 2.1- 数据构建及数据预处理 2.2- 全国5级地址实体二叉树 2.3- 命名实体识别相关算法 2.4- 新闻中特征信息分析 2. ...
中文分词算法——基于统计的分词
1.基于统计的分词(无字典分词) 主要思想:上下文中,相邻的字同时出现的次数越多,就越可能构成一个词.因此字与字相邻出现的概率或频率能较好的反映词的可信度. 主要统计模型为:N元文法模型(N-gram ...

PCL_Tutorial2-4.3.2-点云基于统计的异常值去除

4.3.2-点云基于统计的异常值去除

介绍

代码详情

处理结果

代码链接

PCL_Tutorial2-4.3.2-点云基于统计的异常值去除相关推荐

最新文章

热门文章