一、引言

點云濾波，是對點云數據處理的常用功能。

相機采集的圖像，受限于拍攝條件、光照、物件表面反光及補光角度等原因，會導致攝像頭成像質量下降，進而導致在進行點云重建時會包含一些噪點。包括飛點、彌散點、甚至是憑空出現的點，因此若需要得到高質量點云，可以選擇對點云數據進行一次濾波，提升數據質量。

當然提高質量手段有很多，從環境上調優光照、調整拍攝角度，從拍攝上進行HDR、參數調整，或從算法上調整等，本文將先基于點云濾波展開討論。

二、濾波原理

本文講述濾波方法為基于鄰域的濾波。顧名思義就是會計算每個點與周圍鄰域內有效點的數量，根據相關程度來決定當前點是否需要被過濾。

將點云2D平面化后，如上圖：

（假設紅色為鄰域點，半徑d為鄰域距離閾值）

每個單獨點云的鄰域相關情況，一般來說分為3種：

• 黃色點：鄰域內沒有相關的點，作為噪點直接排除
• 藍色點：鄰域內有大量相關的點，作為有效點保留
• 綠色點：鄰域內有相關的點，但是數量不足，也作為噪點排除

根據鄰域濾波原理，可以解決大部分噪點，效果如下：

濾波前

濾波后

三、濾波實現

為了實現濾波，首先需要準備點云間距離閾值，即原理圖中的半徑d。一般來說可以使用點云點間平均距離*6。此參數越大時，濾波效果越差。參數越小時濾波效果越好。但是過小時可能會過濾掉有效點。

其次需要準備鄰域內相關數量閾值，即鄰域內至少要有幾個點云才保留當前點。本算法實現為搜索鄰域內一共44個點，有6個以上即判定為保留。此參數越大時濾波效果越好，參數越小時濾波效果越差。

通過兩個參數組合和調優，已經可以勝任絕大部分場景下的點云濾波需求。

大致流程如下：

1. 遍歷點云數據中每個點
2. 根據距離閾值，檢查每個點鄰域內相關點數量
3. 根據相關數量閾值，確定點云數據是否保留
4. 根據保留結果，將點云數據拷貝至新數據緩沖區

實現代碼如下：

漢振3D開發SDK中，可以直接調用點云濾波接口，使用方法如下：

參數解釋如下：

• buffer：存儲點云基本數據，需要按照3通道float方式存儲xyz數據
• targetData：濾波后結果數據，按照3通道float方式存儲xyz數據
• 1920：點云列數
• 1200：點云行數
• 0.5：質心平均距離，也可以理解為點云點間平均距離
• 30：云間距離閾值

四、代碼加速

有了思路，實現了效果還不夠，代碼需要跑得快才能真的派上用處。對于點云濾波算法，可以有以下幾種加速思路：

01 多線程并行

即代碼中coreUtilsConcurrent部分。本算法中將點云按照行進行拆分，分發給4個線程單獨處理。在4線程下可以提速2到3倍。這里要注意的一點是在現在基于CPU的運算中，線程并不是越多越好，需要根據算法實際調整。對于本算法，4線程左右為宜，即使CPU物理上有8線程甚至16線程。主要原因是本算法較為簡單，內存瓶頸比CPU運算瓶頸更容易出現。線程多反而容易造成資源爭奪，降低緩存命(ming)中率，進而導致性能下降。

02 鄰域相關度計算剪枝

即代碼循環體內大代碼量部分。算法中鄰域搜索邏輯是會先從點云當前行開始，依次搜索-1行，+1行，-2行，+2行，-3行，+3行。結合物理世界中實際點云噪點分布情況，如果在當前行和-1行都沒有搜索到符合條件的鄰域有效點，那么在+1，-2行這些也大概率搜索不到鄰域有效點，因此當前點基本就是無效點，就可以直接刪除。按照此邏輯類推，分別設置1、3、5個鄰域有效點的退出條件。通過此項剪枝后，可以提速2到4倍。

03 內存訪問順序優化

因為CPU有緩存秒鐘問題，所以我們希望開發的程序盡可能提高緩存命(ming)中率，以提高運行速度。對點云數據的訪問，在內存上盡量從左到右訪問，從上到下訪問。

04 代碼減少判斷條件

部分可以通過內聯展開，代碼結構完成的判斷，可以直接通過寫代碼方式實現，而不是通過for，函數調用方式使用。

05 減少對象拷貝

盡量通過全局變量保存熱點變量。例如點云數據指針，高寬等參數，會被頻繁用到，可以保存到全局變量中讓后續流程可以直接訪問，而不是保存到中間變量反復拷貝，或者通過指針反復解指針使用。

進行了如上幾點優化后，230W點云濾波，可以控制在5到15ms以內。

更多機器視覺產品信息與應用說明，機器視覺算法，應用技巧，解決方案以及相關領域的技術分享，歡迎繼續關注“漢振智能”....