企业官网建设流程全解析

未备案的网站可以百度推广吗,wordpress中文固定连接不好,怎样把网站做成软件,网站流量查询站长之家1 均值滤波原理 2 与中值滤波对比 3 均值滤波代码实现 3.1 代码行实现 3.2 将均值滤波的实现封装到函数 pointCloud_mean_filter() 中 1 均值滤波原理 点云均值滤波是将空间中每个点的值替换为其周围点的坐标平均值。具体来说#xff0c;对于给定点云中的每个点#xff…1 均值滤波原理2 与中值滤波对比3 均值滤波代码实现3.1 代码行实现3.2 将均值滤波的实现封装到函数 pointCloud_mean_filter() 中1 均值滤波原理点云均值滤波是将空间中每个点的值替换为其周围点的坐标平均值。具体来说对于给定点云中的每个点我们考虑它的邻域即以该点为中心的一定大小的球体然后计算该球体内所有点的坐标平均值最后将该点的坐标值替换为该平均值。这个过程可以重复进行多次以进一步平滑点云数据。点云均值滤波可以有效地去除噪声和平滑点云数据。2 与中值滤波对比原理不同均值滤波取平均值中值滤波取中位数。滤波效果不同均值滤波适用于去除较为平稳的噪声能够在一定程度上对点云数据进行平滑处理但会损失部分细节信息中值滤波更适用于去除非均匀性噪声能够保留更多的细节信息。适用范围不同均值滤波适用于处理较小的噪声窗口大小较小中值滤波适用于处理较大的噪声窗口大小较大。3 均值滤波代码实现# axis0表示对点云取质心返回一个三维坐标 mean np.mean(np.asarray(pcd.points)[idx], axis0)3.1 代码行实现import open3d as o3d import numpy as np # 读取点云文件 pcd o3d.io.read_point_cloud(rH:\HTempWK\temp\open3d\pointdata\feiji.pcd) # 定义均值滤波半径 radius 0.05 # 构建kdtree进行邻域搜索 kdtree o3d.geometry.KDTreeFlann(pcd) np_points np.array(pcd.points) # 遍历点云 for i in range(len(pcd.points)): # 获取当前点的坐标 point pcd.points[i] # 使用kdtree搜索当前点的邻域 [k, idx, _] kdtree.search_radius_vector_3d(point, radius) # 如果邻域内没有点则跳过 if k 1: continue # 计算邻域内所有点的坐标平均值 mean np.mean(np.asarray(pcd.points)[idx], axis0) # 更新当前点的坐标 np_points[i] mean # 创建点云对象存放滤波结果 pcd_mean o3d.geometry.PointCloud() pcd_mean.points o3d.utility.Vector3dVector(np_points) # 打印点云信息 print(原始点云,pcd) print(滤波点云,pcd_mean) # 可视化滤波结果 pcd.paint_uniform_color([1,0,0]) pcd_mean.paint_uniform_color([0,1,0]) o3d.visualization.draw_geometries([pcd,pcd_mean], width1200, height800, window_name 均值滤波-原始点云红滤波点云绿)3.2 将均值滤波的实现封装到函数pointCloud_mean_filter()中import open3d as o3d import numpy as np describe: 点云均值滤波 param[I]: pointCloud, 待滤波点云 param[I]: radius, 滤波窗口半径 return: pointCloud_mean: 均值滤波结果点云 def pointCloud_mean_filter(pointCloud,radius): # 构建kdtree进行邻域搜索 kdtree o3d.geometry.KDTreeFlann(pointCloud) np_points np.array(pointCloud.points) # 遍历点云 for i in range(len(pointCloud.points)): # 获取当前点的坐标 point pointCloud.points[i] # 使用kdtree搜索当前点的邻域 [k, idx, _] kdtree.search_radius_vector_3d(point, radius) # 如果邻域内没有点则跳过 if k 1: continue # 计算邻域内所有点的坐标平均值 mean np.mean(np.asarray(pcd.points)[idx], axis0) # 更新当前点的坐标 np_points[i] mean # 创建点云对象存放滤波结果 pointCloud_mean o3d.geometry.PointCloud() pointCloud_mean.points o3d.utility.Vector3dVector(np_points) # 返回滤波结果点云 return pointCloud_mean if __name__ __main__: # 读取点云文件 pcd o3d.io.read_point_cloud(data\desk.pcd) # 定义均值滤波窗口半径 radius 0.05 # 创建点云对象存放滤波结果 pcd_mean o3d.geometry.PointCloud() # 执行均值滤波 pcd_mean pointCloud_mean_filter(pcd,radius) # 打印点云信息 print(原始点云,pcd) print(滤波点云,pcd_mean) # 可视化滤波结果 pcd.paint_uniform_color([1,0,0]) pcd_mean.paint_uniform_color([0,1,0]) o3d.visualization.draw_geometries([pcd,pcd_mean], width1200, height800, window_name 均值滤波-原始点云红滤波点云绿)