TeAmo

原文：偏度平衡滤波SKF (Skewness balancing filtering）算法假定Lidar点云中自然地面点的高程概率密度分布服从正态分布，非地面点会使得Lidar点云中点的高程概率密度分布偏离正态分布，呈现出偏态分布，偏度表示偏离正态分布的程度。每次校正，高程最高的点被标记为非地面点剔除，迭代进行，直至偏度约等于0，剩余的点即为地面点。程序结束时，in_cloud为地面点云结果，out_cloud为（非地面点云）建筑物点云结果。实现算法得到效果如下，第一图是原始点云，图二是分离的建筑物点云。

参考https://blog.youkuaiyun.com/Fan_z_0802/article/details/80960790原理很简单，先计算出目标的中心，将目标绕中心旋转一定角度alpha。求出点云的最值Xmax,Xmin,Ymax,Ymin。这四个值两两组合就能组成外接矩形的四个顶点。记录矩形面积最小时的最值和角度。以上步骤得到的矩形的边分别平行于X轴和Y轴，通过对矩形的四个点逆旋转alpha。就能得到任意角度的外接矩形。我们选择旋转目标，而不是外接矩形，这样会更容易理解。 具体实现

PCL下载地址：https://github.com/PointCloudLibrary/pcl/releases下载这两个文件。选择第三个，如果安装失败就选第一个，没什么影响。勾选CreatePCL Desktop Tcon。安装目录自己选择即可。安装PCL和3rd。 安装完成，在安装目录下找到3rdParty\OpenNI2目录下的OpenNI-Windows-x64-2.2.msi，安装该程序，安装目录自己选择。解压pcl-1.12.1-pdb-msvc2019-win64.zip，将解压得到的文件