汉振分享 | 基于邻域搜索的点云过滤实现原理及流程

一、引言

点云滤波，是对点云数据处理的常用功能。

相机采集的图像，受限于拍摄条件、光照、物件表面反光及补光角度等原因，会导致摄像头成像质量下降，进而导致在进行点云重建时会包含一些噪点。包括飞点、弥散点、甚至是凭空出现的点，因此若需要得到高质量点云，可以选择对点云数据进行一次滤波，提升数据质量。

当然提高质量手段有很多，从环境上调优光照、调整拍摄角度，从拍摄上进行HDR、参数调整，或从算法上调整等，本文将先基于点云滤波展开讨论。

二、滤波原理

本文讲述滤波方法为基于邻域的滤波。顾名思义就是会计算每个点与周围邻域内有效点的数量，根据相关程度来决定当前点是否需要被过滤。

将点云2D平面化后，如上图：

（假设红色为邻域点，半径d为邻域距离阈值）

每个单独点云的邻域相关情况，一般来说分为3种：

• 黄色点：邻域内没有相关的点，作为噪点直接排除
• 蓝色点：邻域内有大量相关的点，作为有效点保留
• 绿色点：邻域内有相关的点，但是数量不足，也作为噪点排除

根据邻域滤波原理，可以解决大部分噪点，效果如下：

滤波前

滤波后

三、滤波实现

为了实现滤波，首先需要准备点云间距离阈值，即原理图中的半径d。一般来说可以使用点云点间平均距离*6。此参数越大时，滤波效果越差。参数越小时滤波效果越好。但是过小时可能会过滤掉有效点。

其次需要准备邻域内相关数量阈值，即邻域内至少要有几个点云才保留当前点。本算法实现为搜索邻域内一共44个点，有6个以上即判定为保留。此参数越大时滤波效果越好，参数越小时滤波效果越差。

通过两个参数组合和调优，已经可以胜任绝大部分场景下的点云滤波需求。

大致流程如下：

1. 遍历点云数据中每个点
2. 根据距离阈值，检查每个点邻域内相关点数量
3. 根据相关数量阈值，确定点云数据是否保留
4. 根据保留结果，将点云数据拷贝至新数据缓冲区

实现代码如下：

汉振3D开发SDK中，可以直接调用点云滤波接口，使用方法如下：

参数解释如下：

• buffer：存储点云基本数据，需要按照3通道float方式存储xyz数据
• targetData：滤波后结果数据，按照3通道float方式存储xyz数据
• 1920：点云列数
• 1200：点云行数
• 0.5：质心平均距离，也可以理解为点云点间平均距离
• 30：云间距离阈值

四、代码加速

有了思路，实现了效果还不够，代码需要跑得快才能真的派上用处。对于点云滤波算法，可以有以下几种加速思路：

01 多线程并行

即代码中coreUtilsConcurrent部分。本算法中将点云按照行进行拆分，分发给4个线程单独处理。在4线程下可以提速2到3倍。这里要注意的一点是在现在基于CPU的运算中，线程并不是越多越好，需要根据算法实际调整。对于本算法，4线程左右为宜，即使CPU物理上有8线程甚至16线程。主要原因是本算法较为简单，内存瓶颈比CPU运算瓶颈更容易出现。线程多反而容易造成资源争夺，降低缓存命(ming)中率，进而导致性能下降。

02 邻域相关度计算剪枝

即代码循环体内大代码量部分。算法中邻域搜索逻辑是会先从点云当前行开始，依次搜索-1行，+1行，-2行，+2行，-3行，+3行。结合物理世界中实际点云噪点分布情况，如果在当前行和-1行都没有搜索到符合条件的邻域有效点，那么在+1，-2行这些也大概率搜索不到邻域有效点，因此当前点基本就是无效点，就可以直接删除。按照此逻辑类推，分别设置1、3、5个邻域有效点的退出条件。通过此项剪枝后，可以提速2到4倍。

03 内存访问顺序优化

因为CPU有缓存秒钟问题，所以我们希望开发的程序尽可能提高缓存命(ming)中率，以提高运行速度。对点云数据的访问，在内存上尽量从左到右访问，从上到下访问。

04 代码减少判断条件

部分可以通过内联展开，代码结构完成的判断，可以直接通过写代码方式实现，而不是通过for，函数调用方式使用。

05 减少对象拷贝

尽量通过全局变量保存热点变量。例如点云数据指针，高宽等参数，会被频繁用到，可以保存到全局变量中让后续流程可以直接访问，而不是保存到中间变量反复拷贝，或者通过指针反复解指针使用。

进行了如上几点优化后，230W点云滤波，可以控制在5到15ms以内。

更多机器视觉产品信息与应用说明，机器视觉算法，应用技巧，解决方案以及相关领域的技术分享，欢迎继续关注“汉振智能”....