点云处理中的统计滤波：优化点云数据的方法

点云是由大量离散的点组成的三维数据集，广泛应用于计算机视觉、机器人、自动驾驶等领域。然而，由于硬件和采集条件的限制，点云数据常常存在噪声和离群点。为了优化点云数据，提高后续处理算法的效果，统计滤波是一种常用且有效的技术。

统计滤波是一种基于统计学原理的滤波方法，通过对点云数据进行统计分析，排除噪声和离群点，从而实现数据的平滑和去噪。下面将介绍两种常用的统计滤波方法：均值滤波和高斯滤波，并提供相应的源代码实现。

1. 均值滤波
   均值滤波是一种简单的统计滤波方法，其基本思想是用某个点的邻域内的点的平均值来代替该点的值。具体步骤如下：

import numpy as np

def mean_filter(point_cloud, k):
    filtered_cloud = [