1 统计滤波原理
2 参数说明
2.1 返回滤波后的点云和对应的索引
2.2 提取滤波后的点云（内点）
2.3 提取噪声点云（外点）
3 代码实现
3.1 直接编写代码行
3.2 封装为函数
1 统计滤波原理
三维点云统计滤波（Statistical Outlier Removal Filter）是一种基于统计学原理的滤波方法，其主要思想是使用指定的统计学模型（如高斯分布模型）对点云数据进行建模，并识别出不符合模型的异常点，从而实现去除噪声的效果。具体步骤如下：
对每一点的邻域进行统计分析，基于点到所有邻近点的距离分布特征，过滤掉一些不满足要求的离群点。该算法对整个输入进行两次迭代：
在第一次迭代中，
2 参数说明
在Open3D中，可以使用remove_statistical_outlier函数来实现统计滤波。remove_statistical_outlier函数的参数及用法如下：
inlier_cloud, ind = open3d.geometry.PointCloud.remove_statistical_outlier(num_neighbors , std_ratio)两个输入参数：num_neighbors，std_ratio
两个返回值：inlier_cloud，ind
其中，open3d.geometry.PointCloud为读取的点云对象pcd，num_neighbors为K近邻的点数；std_ratio为标准差系数。inlier_cloud为最终将滤波后的点云（内点），ind为内点在原始点云中的索引。
2.1 返回滤波后的点云和对应的索引
inlier_cloud, ind = pcd.remove_radius_outlier(num_neighbors , std_ratio)2.2 提取滤波后的点云（内点）
其实，inlier_cloud就是滤波后的点云。当我们内点索引后，可以根据索引提取内点。
# invert 表示取反，默认False inlier_cloud= pcd.select_by_index(idx, invert = False) # 简写 inlier_cloud = pcd.select_by_index(idx)2.3 提取噪声点云（外点）
# invert 表示取反，invert = True 时执行取反，即噪声点云 outlier_cloud= pcd.select_by_index(idx,invert = True)3 代码实现
3.1 直接编写代码行
import open3d as o3d print("-> 正在加载点云...") pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\feiji.pcd") # 判断点云是否成功读取 if pcd.is_empty(): print("点云加载失败！") exit(0) print("原始点云：", pcd) # ========================= 统计滤波 ========================= print("-> 正在进行统计滤波...") num_neighbors = 20 # K 邻域点数 std_ratio = 2.0 # 标准差倍数 # 统计离群点移除 inlier_cloud, ind = pcd.remove_statistical_outlier( nb_neighbors=num_neighbors, std_ratio=std_ratio ) print("统计滤波后的点云：", inlier_cloud) # 内点（保留点）设为蓝色 inlier_cloud.paint_uniform_color([0, 0, 1]) # 外点（噪声点）提取 outlier_cloud = pcd.select_by_index(ind, invert=True) print("噪声点云：", outlier_cloud) # 外点设为红色 outlier_cloud.paint_uniform_color([1, 0, 0]) # =========================================================== # 可视化结果 o3d.visualization.draw_geometries( [inlier_cloud, outlier_cloud], window_name="统计滤波结果（蓝色：内点，红色：噪声）" )3.2 封装为函数
为提高代码复用性，我们将可视化统计滤波后的结果点云和噪声点云封装为一个函数display_inlier_outlier，可以在需要的地方直接调用。
import open3d as o3d import numpy as np # @describe：可视化滤波后的结果点云(内点)和噪声点云（外点） # @param：cloud，原始点云 # @param：ind，内点索引 def display_inlier_outlier(cloud, ind): # 提取内点 inlier_cloud = cloud.select_by_index(ind) # 提取外点 outlier_cloud = cloud.select_by_index(ind, invert=True) # 结果展示 print("Showing outliers (red) and inliers (blue): ") outlier_cloud.paint_uniform_color([1, 0, 0]) inlier_cloud.paint_uniform_color([0, 0, 1]) o3d.visualization.draw_geometries([inlier_cloud, outlier_cloud]) if __name__ == "__main__": # 加载点云 pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\feiji.pcd") # 统计滤波 print("Statistical oulier removal") # K 近邻点数 nb_neighbors=20 # 标准差系数 std_ratio=2.0 inlier_cloud, ind = pcd.remove_statistical_outlier(nb_neighbors, std_ratio) display_inlier_outlier(pcd, ind))
)
)
