PCL点云处理之添加高斯噪点的两种方法（详细注释版）（一百八十一）

已于 2023-06-05 23:51:24 修改
阅读量937 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： PCL点云处理学习 点云算法合集 文章标签： 高斯噪点 PCL自带函数 PCL点云处理 机器学习 几何学
于 2023-06-05 23:22:50 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_44329757/article/details/131057923
本文介绍了如何在PCL中添加高斯噪点，包括使用PCL自带函数和Boost函数的详细步骤。实验结果显示两种方法都能有效实现高斯噪声的添加，且最终效果相似。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

PCL点云处理之添加高斯噪点的两种方法（详细注释版）（一百八十一）

一、实验效果

在这里插入图片描述
通过实验测试，效果如上所示，算法可以正常运行

二、算法简介

高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。（百度百科）

高斯分布，也称正态分布，又称常态分布，记为 N ( μ ， σ 2 ) )，其中 μ ， σ 2 为分布的参数，分别为高斯分布的期望和方差，其中 σ > 0 ，称为标准差。当 μ ， σ 有确定值时，p ( x ) 也就确定了，特别当 μ = 0 ， σ 2 = 1时，x 的分布为标准正态分布。
在这里插入图片描述

三、具体流程

1 我们可以设置高斯参数（μ σ）
2 计算得到每个点沿着坐标轴方向的偏移值，
3 每个点加上这个偏移值即为高斯噪点
4 高斯噪点与原始点合并，作为最终的结果输出到pcd文件中

四、PCL自带函数实现

1.代码

代码如下（示例）：

了解本专栏 订阅专栏 解锁全文
PCL 点云添加高斯噪声并保存【2024最新版】
点云侠的博客
11-09 36万+
点云添加高斯噪声点，并将噪声点和原始点云融合，保存到本地文件夹。给出了三种代码实现方法。博客长期更新，本文最近一次更新时间为：2024年12月8日
CloudCompare 二次开发(15)——点云添加高斯噪声
点云侠的博客
09-25 757
使用CloudCompare编程实现点云添加高斯噪声。
[转]对点云添加高斯噪声并保存到本地（PCL 附C++代码）
byliut的博客
07-19 615
pcl点云添加噪声
点云添加高斯噪声
laoki的专栏
04-25 359
点云添加随机高斯噪声的代码
Easy3D 点云添加高斯噪声
dayuhaitang1的博客
09-17 484
Easy3D 点云添加高斯噪声
CloudCompare&PCL 点云添加高斯噪声
dayuhaitang1的博客
09-17 1403
CloudCompare&PCL 点云添加高斯噪声
PCL点云处理之添加均匀分布的噪点（详细注释版）（一百八十二）
weixin_44329757的博客
06-06 269
PCL中提供了两种不同类型噪点的添加方法，上一章是关于高斯噪点的添加，这一章讲述关于均匀分布噪点的添加，添加结果如下：红色点为原始点，黑色点即为格外添加的均匀发布噪点。
PCL 点云按百分比添加高斯随机噪声（C++详细过程版）
最新发布
点云侠的博客
06-12 225
算法原理直接知网论文里截图的，代码我自己实现的，标记原创不过分吧？
PCL点云处理总目录
热门推荐
weixin_44329757的博客
01-10 1万+
点云处理相关文章
PCL 点云库学习四（双边滤波器）
weixin_37781153的博客
04-02 3607
双边滤波器 临近采样点加权平均，同时剔除差异大的点，数据更加平滑去除噪点
PCL：点云添加高斯噪声并保存ply文件（附完整源码）
智能码农的博客
07-11 529
【代码】PCL：点云添加高斯噪声并保存ply文件（附完整源码）
Open3D点云添加高斯噪声
.
08-02 325
然而，在实际应用中，由于各种因素的影响，采集到的点云数据常常存在一些噪声。为了模拟现实场景中的噪声情况，并使得算法更具鲁棒性，我们经常需要对点云数据进行噪声添加。总结起来，本文介绍了如何使用Open3D给点云数据添加高斯噪声。通过这种方法，我们可以模拟现实场景中的噪声情况，提高算法的鲁棒性。函数生成均值为0、标准差为0.01的高斯噪声，并将噪声添加到点云数据上。最后，我们将添加噪声后的点云数据转换回Open3D的格式，并通过。需要注意的是，添加噪声时我们可以根据需求调整噪声的均值和标准差。
Open3D (C++) 点云添加高斯噪声【2025最新版】
点云侠的博客
07-16 815
点云添加高斯噪声的Opne3D(C++)代码实现。
MATLAB点云处理（八）：为点云添加高斯噪声
孙悟空
07-23 2593
本文对如何借助MATLAB，为点云添加高斯噪声做出了说明，并给出实现代码。
PCL 给点云添加高斯噪声（Common_CloudGenerator）
xhm01291212的博客
08-27 843
注意：PCL生成高斯噪声时，只是生成了一个原始点云点的位移量，需要将该位移量添加到原始点云点上，而不是直接生成了一个带有高斯噪声的新点云。注意：PCL生成高斯噪声时，只是生成了一个原始点云点的位移量，需要将该位移量添加到原始点云点上，而不是直接生成了一个带有高斯噪声的新点云。
点云添加高斯噪音-matlab
weixin_44738378的博客
05-24 457
clear all; data=ascread('bun045.asc');%动态 points = data{2}; points=double(points); [m k]=size(points); P=zeros(3,1); Q=zeros(3,1); %点云重心 for i=1:3 for j=1:m P(i)=points(j,i)+P(i); end end P=P/m; %产生噪音 Noise = normrnd(0,0.1,m,2); %噪音.
Open3D(C++) 点云法向方向高斯噪声点的添加
DevWizard的博客
08-22 212
接着，我们遍历所有点，对每个点沿其法向方向添加高斯偏移，并更新其位置。在Open3D中，我们可以利用高斯分布来生成随机的噪声点，以此实现在点云法向方向上添加高斯噪声点的目的。在Open3D中，我们可以通过对每个点进行一定比例的偏移，来实现在点云法向方向上添加高斯噪声点的目的。本文将介绍在Open3D中使用C++语言添加高斯噪声点的方法，具体地，在点云法向方向上添加高斯噪声点，并给出相应的代码示例。我们可以用上述代码读取点云数据，计算每个点的法向量，并在法向方向上添加高斯噪声。
[转]PCL添加随机正态噪声
byliut的博客
01-14 315
原文：https://blog.youkuaiyun.com/com1098247427/article/details/120660589。版权声明：本文为作者原创文章，转载请附上博文链接！作者：com1098247427。添加噪声后点云std=0.01。
PCL 给点云添加高斯噪声并保存
纵马踏花向自由
10-05 955
给点云添加高斯噪声 是一种模拟真实传感器噪声的方法，通常用于评估算法在噪声环境下的鲁棒性。通过向点云中的点随机添加高斯噪声，可以增加点云数据的随机性，从而测试算法对噪声的抗干扰能力。
pcl点云处理之手写
03-15
### 手写实现 PCL 点云处理 #### 主成分分析 (PCA) 计算点云最小包围盒 为了计算点云的最小包围盒，可以利用主成分分析（Principal Component Analysis, PCA），这种方法适用于小场景物体（如人、树、车辆等）并具有较高的效率。以下是具体实现过程： 1. **加载点云数据** 需要先读取或生成目标点云数据。 2. **中心化点云** 将点云中的所有点平移到原点附近，以便后续计算更加稳定。 3. **构建协方差矩阵** 使用点云坐标构建协方差矩阵，并对其进行特征分解以获得主方向。 4. **旋转点云至标准姿态** 利用主方向对齐点云到新的坐标系下。 5. **计算边界框尺寸** 在新坐标系中找到最大和最小值作为包围盒的边长。 ```cpp #include <iostream> #include <Eigen/Dense> // Eigen库用于线性代数运算 #include <pcl/point_cloud.h> #include <pcl/point_types.h> void computeBoundingBox(const pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud) { // 中心化点云 Eigen::Vector4f centroid; pcl::compute3DCentroid(*cloud, centroid); for(auto& point : cloud->points){ point.x -= centroid[0]; point.y -= centroid[1]; point.z -= centroid[2]; } // 构建协方差矩阵 Eigen::Matrix3f covariance_matrix = Eigen::Matrix3f::Zero(); pcl::computeCovarianceMatrixNormalized(*cloud, centroid, covariance_matrix); // 特征分解得到主方向 Eigen::SelfAdjointEigenSolver<Eigen::Matrix3f> eigen_solver(covariance_matrix); Eigen::Matrix3f eigenvectors = eigen_solver.eigenvectors(); // 创建变换矩阵 Eigen::Matrix4f rotation = Eigen::Matrix4f::Identity(); rotation.block<3, 3>(0, 0) = eigenvectors.transpose(); // 应用变换 pcl::PointCloud<pcl::PointXYZ>::Ptr rotated_cloud(new pcl::PointCloud<pcl::PointXYZ>()); pcl::transformPointCloud(*cloud, *rotated_cloud, rotation); // 寻找包围盒大小 float min_x = std::numeric_limits<float>::max(), max_x = -std::numeric_limits<float>::max(); float min_y = std::numeric_limits<float>::max(), max_y = -std::numeric_limits<float>::max(); float min_z = std::numeric_limits<float>::max(), max_z = -std::numeric_limits<float>::max(); for(auto const &pt : rotated_cloud->points){ if(pt.x < min_x){min_x= pt.x;} if(pt.x > max_x){max_x= pt.x;} if(pt.y < min_y){min_y= pt.y;} if(pt.y > max_y){max_y= pt.y;} if(pt.z < min_z){min_z= pt.z;} if(pt.z > max_z){max_z= pt.z;} } } int main(){ pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>()); // 假设此处已填充点云数据... computeBoundingBox(cloud); } ``` 上述代码实现了基于 PCA 的点云最小包围盒计算[^1]。 --- #### 直通滤波器的应用 对于去除不需要的部分点云区域，可以通过直通滤波器完成这一操作。以下是一个简单的 C++ 实现示例： ```cpp #include <pcl/filters/passthrough.h> void passThroughFilter(pcl::PointCloud<pcl::PointXYZ>::Ptr inputCloud, pcl::PointCloud<pcl::PointXYZ>::Ptr outputCloud, const std::string& filterField, double lowerLimit, double upperLimit) { pcl::PassThrough<pcl::PointXYZ> pass; pass.setInputCloud(inputCloud); // 设置输入点云 pass.setFilterFieldName(filterField.c_str()); // 设置过滤字段名（X,Y,Z） pass.setFilterLimits(lowerLimit, upperLimit);// 设定上下限 pass.filter(*outputCloud); // 输出结果 } int main() { pcl::PointCloud<pcl::PointXYZ>::Ptr inputCloud(new pcl::PointCloud<pcl::PointXYZ>()); pcl::PointCloud<pcl::PointXYZ>::Ptr filteredCloud(new pcl::PointCloud<pcl::PointXYZ>()); // 调用函数执行滤波 passThroughFilter(inputCloud, filteredCloud, "z", 0.0, 1.0); return 0; } ``` 这段代码展示了如何使用 `pcl::PassThrough` 类来移除指定范围内不符合条件的点云部分[^2]。 --- #### 圆锥形点云生成 如果需要生成特定形状的点云（例如圆锥体），则可以根据几何关系手动定义其顶点分布。下面提供了一个生成圆锥面点云的例子： ```cpp #include <cmath> #include <vector> #include <pcl/point_cloud.h> #include <pcl/point_types.h> pcl::PointCloud<pcl::PointXYZ>::Ptr generateCone(float baseRadius, float height, int resolution) { pcl::PointCloud<pcl::PointXYZ>::Ptr coneCloud(new pcl::PointCloud<pcl::PointXYZ>()); for(int i = 0; i <=resolution;i++){ float h = static_cast<float>(i)/resolution*height; // 当前高度比例 float r = baseRadius*(1-h/height); // 半径随高度变化 for(int j =0 ;j<=resolution;j++) { // 绘制一圈上的点 float theta = 2*M_PI/static_cast<float>(resolution)*j;// 角度 pcl::PointXYZ p(r*cos(theta),r*sin(theta),h); // 定义三维空间位置 coneCloud->push_back(p); } } return coneCloud; } int main(){ auto cone = generateCone(1.0, 2.0, 100); } ``` 以上程序能够按照给定分辨率生成一个近似圆锥结构的点云集[^3]。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

点云学徒

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值