雙邊濾波原文「the bilateral filter for point clouds"，作者為julie digne、carlo franchis下面直接給出**中單點更新的方法：
通過單點更新公式可知，更新點為原始點在法線方向上的移動。作者在此處進行了說明，通過半徑搜尋得到的鄰域點集進行法線估計，法線無需進行定向，其原因在於鄰域點與原始點構成的向量，在與法線進行點乘時已經包含了原始點需要移動的正確方向（感興趣的同學，可以在紙上簡單的畫一下，就會明白）。
現在考慮兩個權重項，距離權重、法線方向投影模長權重，在整個演算法的偽**中作者給出了權重的計算方法：
通過公式可知，作者使用兩個高斯分布，其中距離越近權重越大，反之，距離越遠權重越小。關於法線方向投影模長權重亦是如此。權重的作用在於用來保證區域性點雲即能平滑又不失其特徵，故而使距離遠，法線方向上投影模長大的點權重變小。
在本人「點雲法線計算」一文中對法線的計算進行了說明，由該文可知，法線的估算採用的是平面方程。故而對雙邊濾波而言其平滑模型為平面模型，因此使用該方法進行平滑時，無論怎麼調節引數其本質都不會改變。因此在使用該方法進行平滑時，對於邊、角、特徵銳利之處都會被襪平，對於要求平滑前後變化較小且特徵保持良好的需求而言，雙邊濾波因此失去了適用性。其實對於區域性點雲為非平面，採用平面估計法線已經失去了區域性的特徵。
為此有學者採用距離權重的方式修改點雲法線計算過程中的協方差，來提高法線估計的準確性。當然採用該方法會有一些改進，但是仍舊改變不了其本質因此上述現象仍舊會存在。採用加權協方差計算出的整體模型法線過渡不均勻，會使整體模型平滑效果變差。
在本人實踐經驗中，目前只有國外的geomagic的平滑效果最佳、細節保持最好。有興趣的小夥伴可以檢視其專利，專利中給出了其平滑的策略和方法，採用法線協方差分解後特徵值度量的分類方法進行平滑，其中採用平面方程，二次曲面方程，圓錐曲線方程進行擬合。這裡需要指出的是，分類後類與類的接縫處會出現台階，如何對其進行處理是乙個相當棘手的問題，顯然geomagic的處理方法很到位。同樣需要說明的是本人按二次曲面擬合方法進行了區域性區域點雲平滑實驗，不管是計算速度上還是效果上都不如geomagic，當然比雙邊濾波要好很多，所以猜測專利給出的是一種方法其實際使用方法並不是專利中的，又或只是部分，也有可能是本人實現錯誤。
後續將會介紹其它點雲平滑的方法。
python一維平滑濾波 雙邊濾波器文獻總結（一）
因為最後的dde演算法中，最核心的就是濾波器模組，由於做之前是沒有好好攻讀相關硬體文獻，加上相關背景寫的不好導師一頓痛批，搞得現在要本末倒置，拿結果去找自己值得這麼做的理由。但其實從研究角度來說應該是一件好事的。小吐個槽 說起來之前也不算是沒好好讀文獻，實在是調研的時候方向偏差太大，紅外影象增強的v...
點雲濾波 直通濾波
最簡單的例子 按高度篩選點雲 pcl passthrough pointxyz pass pass.setinputcloud pointcloud raw pass.setfilterfieldname z 設定過濾時所需要點雲型別的z欄位 pass.setfilterlimits 0.1,10 ...
點雲濾波 條件濾波
刪除點雲中不符合使用者指定的乙個或多個條件的資料點。建立條件限定下的濾波器 pcl conditionand ptr range cond new pcl conditionand 新增在z欄位上大於0的比較運算元 gt greater than eq equal lt less than ge g...