文章目录
- 简介
- 点云滤波
- 处理结果
简介
IPOL，即Image Processing On Line，理论上是一个期刊，但影响因子很低，只是个SCIE，按理说没什么参考价值。但是，这个网站的所有文章，都附带了源代码和演示窗口，所以对初学者来说非常友好，可以说是相见恨晚的一个网站。
这篇2017年的文章，复现了用于点云的双边滤波算法，并提供了源代码，十分良心。
- Digne J, De Franchis C. The bilateral filter for point clouds[J]. Image Processing On Line, 2017, 7: 278-287.
- doi:10.5201/ipol
- 源码
点云滤波
假设曲面 M \mathcal M M中每个点的法向量为 n ⃗ v \vec n_v nv，那么滤波的目的，是让当前点的位置沿着法向量的方向发生变化
v + δ v ⋅ n ⃗ v v+\delta v\cdot\vec n_v\\ v+δv⋅nv
其中 δ v \delta v δv表示如下
δ v = ∑ p ∈ N ( v ) w d ( ∥ p − v ∥ ) w n ( ∣ ⟨ n ⃗ v , p − v ⟩ ∣ ) ⟨ n ⃗ v , p − v ⟩ ∑ p ∈ N ( v ) w d ( ∥ p − v ∥ ) w n ( ∣ ⟨ n ⃗ v , p − v ⟩ ∣ ) \delta v=\frac{\sum_{p\in N(v)}w_d(\Vert p-v\Vert)w_n(|\langle \vec n_v, p-v\rangle |)\langle \vec n_v, p-v\rangle}{\sum_{p\in N(v)}w_d(\Vert p-v\Vert)w_n(|\langle \vec n_v, p-v\rangle |)} δv=∑p∈N(v)wd(∥p−v∥)wn(∣⟨nv,p−v⟩∣)∑p∈N(v)wd(∥p−v∥)wn(∣⟨nv,p−v⟩∣)⟨nv,p−v⟩
w d , w n w_d, w_n wd,wn是两个离散函数，在后文中被定义为高斯函数。 ⟨ , ⟩ \langle,\rangle ⟨,⟩表示内积， p , v p,v p,v作为三维点，在计算时当作向量处理。 N ( v ) N(v) N(v)是点 v v v的邻域。这些内容与2003年Fleishman等人发表在TOG上的文章相比，并无差别。
为了加速点云的双边滤波过程，本文通过使用八叉树，将数据划分为多个单元格，将不同单元格分配给不同的线程，从而实现了并行计算。
处理结果
IPOL提供了演示demo，除了输入点云之外，有三个参数需要调节，分别是邻域半径(neighborhood radius)，法邻域半径(normal neighborhood radius)和迭代次数(Number of filter iterations)，其处理结果如下
