经典点云去噪算法总结

以下列出方法均有运行成功的代码，所有工程文件我都会放在如下链接：

https://github.com/gx-sun/classic-point-cloud-denoising-methods

欢迎star

持续补充中，目前最新为2021.12月。

1.移动最小二乘MLS

基于PCL

#include "stdafx.h"#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/surface/mls.h>
int main(int argc, char** argv)
{// 将一个适当类型的输入文件加载到对象PointCloud中pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>());// 加载bun0.pcd文件，加载的文件在 PCL的测试数据中是存在的 pcl::io::loadPCDFile("bunny_hi_noise.pcd", *cloud);// 创建一个KD树pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);// 输出文件中有PointNormal类型，用来存储移动最小二乘法算出的法线pcl::PointCloud<pcl::PointNormal> mls_points;// 定义对象 (第二种定义类型是为了存储法线, 即使用不到也需要定义出来)pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointNormal> mls;mls.setComputeNormals(true);//设置参数mls.setInputCloud(cloud);mls.setPolynomialFit(true);mls.setSearchMethod(tree);mls.setSearchRadius(0.06);// 曲面重建mls.process(mls_points);// 保存结果pcl::io::savePCDFile("bunny_hi_noise_mls.pcd", mls_points);
}

2.双边滤波

2.1基于PCL

实验编译成功了，但是因为其需要intensity分量，一般都没有，故无法运行

#include "stdafx.h"
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/filters/bilateral.h>typedef pcl::PointXYZI PointT;int
main(int argc, char *argv[])
{std::string incloudfile = "block_noise.pcd";std::string outcloudfile = "block_bf.pcd";float sigma_s = 0.1;float sigma_r = 0.2;// Load cloudpcl::PointCloud<PointT>::Ptr cloud(new pcl::PointCloud<PointT>);pcl::io::loadPCDFile(incloudfile.c_str(), *cloud);pcl::PointCloud<PointT> outcloud;// Set up KDTree//pcl::KdTreeFLANN<PointT>::Ptr tree(new pcl::KdTreeFLANN<PointT>);pcl::search::KdTree<PointT>::Ptr tree1(new pcl::search::KdTree<PointT>);pcl::BilateralFilter<PointT> bf;bf.setInputCloud(cloud);bf.setSearchMethod(tree1);bf.setHalfSize(sigma_s);bf.setStdDev(sigma_r);bf.filter(outcloud);// Save filtered outputpcl::io::savePCDFile(outcloudfile.c_str(), outcloud);return (0);
}

2.2 基于CGAL

官方example代码，无需强度分类，只需点位置和法线信息，运行成功版本：

#include <CGAL/Simple_cartesian.h>
#include <CGAL/property_map.h>
#include <CGAL/IO/read_xyz_points.h>
#include <CGAL/IO/write_xyz_points.h>
#include <CGAL/bilateral_smooth_point_set.h>
#include <CGAL/tags.h>#include <utility> // defines std::pair
#include <fstream>// Types
typedef CGAL::Simple_cartesian<double> Kernel;
typedef Kernel::Point_3 Point;
typedef Kernel::Vector_3 Vector;// Point with normal vector stored in a std::pair.
typedef std::pair<Point, Vector> PointVectorPair;// Concurrency
typedef CGAL::Parallel_if_available_tag Concurrency_tag;int main(int argc, char*argv[])
{const char* input_filename =  (argc>1)?argv[1]:"data/fin90_with_PCA_normals.xyz";const char* output_filename = (argc>2)?argv[2]:"data/fin90_with_PCA_normals_bilateral_smoothed.xyz";// Reads a .xyz point set file in points[] * with normals *.std::vector<PointVectorPair> points;std::ifstream stream(input_filename);if (!stream ||!CGAL::read_xyz_points(stream,std::back_inserter(points),CGAL::parameters::point_map(CGAL::First_of_pair_property_map<PointVectorPair>()).normal_map(CGAL::Second_of_pair_property_map<PointVectorPair>()))){std::cerr << "Error: cannot read file " << input_filename << std::endl;return EXIT_FAILURE;}// Algorithm parametersint k = 120;                 // size of neighborhood. The bigger the smoother the result will be.// This value should bigger than 1.double sharpness_angle = 25; // control sharpness of the result.// The bigger the smoother the result will beint iter_number = 3;         // number of times the projection is appliedfor (int i = 0; i < iter_number; ++i){/* double error = */CGAL::bilateral_smooth_point_set <Concurrency_tag>(points,k,CGAL::parameters::point_map(CGAL::First_of_pair_property_map<PointVectorPair>()).normal_map(CGAL::Second_of_pair_property_map<PointVectorPair>()).sharpness_angle (sharpness_angle));}Save point set.std::ofstream out(output_filename);out.precision(17);if (!out ||!CGAL::write_xyz_points(out, points,CGAL::parameters::point_map(CGAL::First_of_pair_property_map<PointVectorPair>()).normal_map(CGAL::Second_of_pair_property_map<PointVectorPair>()))){return EXIT_FAILURE;}return EXIT_SUCCESS;
}

3.LOP

4.WLOP

基于CGAL：

安装CGAL可以参考：CGAL如何配置-小白向_Meet_csdn的博客-CSDN博客_cgal 配置

安装好后的工程文件是CGAL自带的，在文件夹example/Point_set_processing_3/wlop_simplify_and_regularize_point_set_example,运行结果如下：

参考代码：CGAL 5.3 - Point Set Processing: User Manual

文章：Huang H, Li D, Zhang H, et al. Consolidation of unorganized point clouds for surface reconstruction[J]. ACM transactions on graphics (TOG), 2009, 28(5): 1-7.

5.CLOP

官方实现，原始地址。

对应文章："Reinhold Preiner, Oliver Mattausch, Murat Arikan, Renato Pajarola, Michael Wimmer
Continuous Projection for Fast L1 Reconstruction
ACM Transactions on Graphics (Proc. of ACM SIGGRAPH 2014), 33(4):47:1-47:13, August 2014."

下载下来后可以运行，速度还不错，会对点云下采样

5.EAR

官方代码，有exe版本和源码版本，exe可以双击运行。

参考地址：Edge-Aware Point Set Resampling | Visual Computing Research Center @ Shenzhen University

文章：Huang H, Wu S, Gong M, et al. Edge-aware point set resampling[J]. ACM transactions on graphics (TOG), 2013, 32(1): 1-12.

6.PCN(point-clean-net)

可以去除离群点和噪声点

地址：https://github.com/mrakotosaon/pointcleannet

7.TD(total denoising)

第一篇点云无监督去噪方法，结果偏向平滑。

地址：https://github.com/phermosilla/TotalDenoising

TotalDenoising代码复现步骤_Meet_csdn的博客-CSDN博客

8.Pointfilter

目前SOTA，效果比较好,编码解码结构，简单有效

地址：https://github.com/dongbo-BUAA-VR/Pointfilter

经典点云去噪算法总结相关推荐

c语言算法竞赛入门经典百度云,《算法竞赛入门经典》CH-2（C语言）
中国剩余定理,题目要求: 每组数据包含3个非负整数a,b,c,表示队尾人数(a<3, b<5, c<7),输出总人数的最小值(或报告无解).已知总人数不小于10,不超过100.输入到 ...
点云深度学习的经典理论与实用算法
三维点云是最重要的三维数据表达方式之一,在三维重建.语义及实例分割.三维物体检测等方向表达相关信息.点云学习在计算机视觉.自动驾驶.机器人等领域得到越来越多的广泛应用. (三维点云的一些应用场景) 但 ...
详解4种经典的限流算法
最近,我们的业务系统引入了Guava的RateLimiter限流组件,它是基于令牌桶算法实现的,而令牌桶是非常经典的限流算法.本文将跟大家一起学习几种经典的限流算法. 限流是什么? 维基百科的概念如下 ...
图像与点云三维重建算法
图像与点云三维重建算法单图像三维重建算法介绍在开始讨论之前先说一下为什么要做单图像三维重建,原因其实很直观.总结起来就是两个字,"需要".我们很需要这类应用,如果可以做出来,不 ...
3D点云配准算法-4PCS（4点全等集配准算法）
简介 4PCS算法是一种快速的.鲁棒的三维点云配准方案,该方案使用宽基底,对噪声和异常值具有良好的适应性,该算法允许对有噪声的原始数据进行配准,而无需对数据进行预过滤或去噪.此外,该方法大大减少了在噪 ...
点云综述一稿点云硬件、点云软件、点云处理算法、点云应用以及点云的挑战与展望
经过一周的综述撰写,深感点云算法应用之浩瀚,只能仰仗前辈们的文章作一些整理: 点云硬件: 点云获取技术可分为接触式扫描仪.激光雷达.结构光.三角测距(Triangulation).以及立体视觉等多种. ...
多视图点云配准算法综述
作者:杨佳琪,张世坤,范世超等转载自:华中科技大学学报(自然科学版) 编辑:东岸因为@一点人工一点智能原文:多视图点云配准算法综述摘要:以多视图点云配准为研究对象,对近二十余年的多视图点 ...
点云去噪-双边滤波-matlab实现-2021-7-26-
2021-7-21的时候博主已经写过部分点云去噪的介绍及部分滤波matlab写法,在新开的博客中补充博主在写双边滤波时的想法,21号的贴子链接: 2021-7-21-点云去噪(中值.高斯.均值.SOR ...
最经典最新的图像去噪算法
图像去噪是非常基础也是非常必要的研究,去噪常常在更高级的图像处理之前进行,是图像处理的基础.可惜的是,目前去噪算法并没有很好的解决方案,实际应用中,更多的是在效果和运算复杂度之间求得一个平衡,再一次验 ...

经典点云去噪算法总结

经典点云去噪算法总结相关推荐

最新文章

热门文章