三维点云滤波
什么是点云滤波？
点云滤波是一种常见的点云处理算法，一般是点云处理的第一步。滤波在很多方面有很多种功能，比如去除噪声点、离群点、点云平滑以及空洞、数据压缩等。
为什么要点云滤波？
原始点云数据往往包含大量散列点、孤立点，在获取点云数据时，由于设备精度、操作者经验环境因素带来的影响，以及电磁波的衍射性，被测物体表面性质变化和数据拼接配准操作过程的影响，点云数据中将不可避免地出现一些噪声，而且采样的分辨率也不同。点云滤波包含去噪、下采样、去除非地面点等。
经典滤波方法
直通滤波器
（去噪）直通滤波器就是根据点云属性设置范围进行滤波，遍历点云中的每一个点，判断该点的指定维度属性是否在设置范围内，保留设置范围内的或者设置范围外的。
体素滤波器
（下采样）体素滤波器可以达到向下采样的同时不破坏点云本身集合结构的功能，但是会移动点的位置。此外体素滤波器可以去除一定程度的噪声点及离群点，主要功能是用于进行降采样。
它的原理是根据输入的点云，首先计算一个能够刚好包裹住该点云的立方体，然后根据设定的分辨率，将该大立方体分割成不同的小立方体。对于每一个小立方体内的点，计算它们的质心（或者用每一个小立方体的中心来近似该立方体内的若干点，不过这种方法可能会损失原始点云局部形态的精确度），并用该质心的坐标来近似该立方体内的若干点。
均匀采样滤波器
（下采样）均匀采样滤波器基本上等同于体素滤波器，但是其不改变点的位置。下采样后，其点云分布基本均匀，但是其点云的准确度要好于体素滤波器，因为没有移动点的位置。
均匀采样算法：均匀采样通过构建指定半径的球体对点云进行下采样滤波，将每一个球内距离球体中心最近的点作为下采样之后的点输出。（体素滤波是建立立方体，均匀采样是建立一个球）
统计滤波器
（去噪）统计滤波器主要用于去除明显离群点。离群点特征在空间中分布稀疏，定义某处点云小于某个密度，即点云无效。计算每个点到其最近的k个点平均距离。则点云中所有点的距离应构成高斯分布。根据给定均值与方差，可剔除方差之外的点。
条件滤波
直通滤波器是一种简单的条件滤波器。条件滤波器通过设定滤波条件进行滤波，删除不符合用户指定的一个或者多个条件。
半径滤波器
半径滤波器以某点为中心画一个圆计算落在该圆中点的数量，当数量大于给定值时，则保留该点，数量小于给定值则剔除该点。主要还是用于去除离群点，在一定程度上可以用来筛选边缘点。
无序点云曲面拟合方法
点云体素化+邻近插值
- 将点云投影到XY平面，将平面均分m*n个网格
- 遍历每个网格，对落于网格内的所有Z求平均值，空的用nan代替
- 去掉网格内所有nan并进行基于三角剖分的最近邻点插值
- 对网格内的每一行重新插值采样，剪切多余曲面部分
神经网络训练
- 建立训练模型
- 进行迭代训练
- 对划分的平面网格数据进行预测
神经网络训练
- 邻近插值
- 建立训练模型
- 对划分的平面网格数据进行预测
