Matlab通过GUI实现点云的均值滤波(附最简版)

不枯石2025-10-01 23:30

本节我们分享使用Matlab进行点云的均值滤波。均值滤波（Moving-Average Filter）是点云预处理中最基础、最常用的线性平滑方法之一。其思路是对每个点在其 k-邻域（或 r-半径邻域）内计算几何坐标的算术平均，用该均值替代原始点位置，达到抑制零均值随机噪声、平滑表面的目的。与高斯滤波相比，均值滤波模板权重均匀、计算量小；与中值滤波相比，它对高密度小幅度噪声更敏感，但保持边缘能力稍弱，因此常作为"粗去噪"或"预平滑"步骤出现。

一、MATLAB 主要实现流程

  1. 读取与可视化

    ptCloud = pcread('scene.ply'); % 支持 ply/pcd 等格式
    pcshow(ptCloud); title('原始点云');

  2. 添加噪声（可选，用于算法验证）

    noise = normrnd(0,0.002,size(ptCloud.Location)); % N(0,σ)
    noisyXYZ = ptCloud.Location + noise;
    ptCloud = pointCloud(noisyXYZ);

  3. 直接调用内置平滑函数（最快）

    % 按"movmean"方式对 x/y/z 分别做滑动平均
    smoothXYZ = smoothdata(ptCloud.Location,'movmean',k); % k 为窗宽
    ptSmooth = pointCloud(smoothXYZ);

  4. 自定义邻域均值（精度高、参数灵活）

    % 构建 KD-Tree 加速邻域搜索
    [ids,~] = knnsearch(ptCloud.Location,ptCloud.Location,'K',k);
    neighborMean = zeros(size(ptCloud.Location));
    for i = 1:ptCloud.Count
    idx = ids(i,:); % k 个最近序号
    neighborMean(i,:) = mean(ptCloud.Location(idx,:));
    end
    ptSmooth = pointCloud(neighborMean);

  5. 结果可视化与保存

    figure;
    pcshow(ptSmooth); title('均值滤波后');
    pcwrite(ptSmooth,'scene_meanFilter.ply');

二、关键参数与调优建议

  • k（邻域点数）或 r（搜索半径）：越大则平滑越强，但会削弱细节；一般先取 20--50 或半径 5--10 mm 做试验，再按几何分辨率与噪声幅度微调。

  • 距离阈值：可叠加"统计离群剔除"，对邻域平均距离超过 μ+α·σ 的点先剔除再求均值，兼顾去噪与保边。

  • GPU/并行：若点云>10^6，使用 `knnsearch` 的 `'NSMethod', 'exhaustive', 'Distance', 'euclidean'` 并打开 `parpool` 可显著提高速度。

三、典型应用领域

  1. 三维重建：平滑无序扫描数据，减少网格重建后的"毛刺"与伪孔洞。

  2. 工业检测：平滑铸件、机加件点云，提高后续配准与尺寸测量精度。

  3. 自动驾驶：对车载 LiDAR 原始扫描做"粗去噪"，为地面分割、目标聚类提供更干净输入。

  4. 室内/地下测绘：抑制手持 SLAM 点云的抖动噪声，增强可视化与制图效果。

  5. 文物与医学：在保留关键纹理的前提下削弱设备电子噪声，便于曲面拟合与特征提取。

四、小结

均值滤波因其原理简单、实现方便，在 MATLAB 环境下既可一行代码快速调用，又能基于 KD-Tree 自定义精细控制，是点云预处理链中"去随机噪、平滑表面"的首选工具；后续可串联统计滤波、体素下采样或法向重估，为配准、分割、重建等高级算法奠定高质量数据基础。

本次使用的数据是兔兔兔------------窗帘！

一、点云均值滤波的程序

1、最简版

复制代码 
%% 0. 清空环境
clear; clc; close all;

%% 1. 读入点云
[file, path] = uigetfile({'*.ply;*.pcd;*.xyz', '点云文件 (*.ply,*.pcd,*.xyz)'}, ...
                         '请选择点云');
if file == 0; return; end
fname = fullfile(path, file);
ptCloud = pcread(fname);
N = ptCloud.Count;
fprintf('原始点云有 %d 个点\n', N);

%% 2. 均值滤波（半径 50 mm）
radius = 50;
cloudMean = pcdMeanFilter(ptCloud, radius);
fprintf('均值滤波(半径=%d mm)后 %d 个点\n', radius, cloudMean.Count);

%% 3. 可视化
figure('Name', '原始点云', 'NumberTitle', 'off');
pcshow(ptCloud); axis on; view(3);

figure('Name', '均值滤波', 'NumberTitle', 'off');
pcshow(cloudMean); axis on; view(3);

function out = pcdMeanFilter(pc, radiusMm)
% 均值滤波（模仿 block-wise 风格）
% pc        : pointCloud 对象
% radiusMm  : 邻域半径，单位 mm
xyz = pc.Location;
radius = radiusMm; 
n = size(xyz, 1);
newXYZ = zeros(n, 3, 'single');

kd = createns(xyz, 'NSMethod', 'kdtree');
block = 5000;                   % 按内存可调
for i = 1:block:n
    ir = min(i + block - 1, n);
    idxCell = rangesearch(kd, xyz(i:ir, :), radius);
    for j = i:ir
        idx = idxCell{j-i+1};
        newXYZ(j, :) = mean(xyz(idx, :), 1);   % 均值坐标
    end
end
% 重建 pointCloud，保留颜色等信息
out = pointCloud(newXYZ, 'Color', pc.Color, ...
                 'Normal', pc.Normal);
end

2、GUI版本

复制代码 
function meanFilterGUI
% 均值滤波 GUI ------ 2020a 兼容
% 1. 浏览选点云  2. 邻域半径/mm 滑块  3. 实时均值滤波  4. 保存结果

fig = figure('Name','均值滤波工具','NumberTitle','off',...
             'MenuBar','none','ToolBar','none','Position',[100 100 1280 720]);

%% ---------- 左侧图像区（78 %） ----------
imgWidth = 0.78;
panelW   = imgWidth/2 - 0.01;

pnlOrig = uipanel('Parent',fig,'Units','normalized',...
                  'FontSize',16,'Position',[0.02 0.02 panelW 0.96],'Title','原始点云');
pnlFilt = uipanel('Parent',fig,'Units','normalized',...
                  'FontSize',16,'Position',[0.02+panelW+0.01 0.02 panelW 0.96],'Title','均值滤波');

axOrig = axes('Parent',pnlOrig,'Units','normalized','Position',[0.05 0.05 0.90 0.90]);
axFilt = axes('Parent',pnlFilt,'Units','normalized','Position',[0.05 0.05 0.90 0.90]);

%% ---------- 右侧控制区（22 %） ----------
pnlCtrl = uipanel('Parent',fig,'Units','normalized',...
                  'FontSize',16,'Position',[0.78 0 0.22 1],'Title','控制');

txtH  = 0.04;
btnH  = 0.06;
gap   = 0.02;
yTop  = 0.94;

% 1. 浏览
uicontrol('Parent',pnlCtrl,'Style','pushbutton','String','浏览...',...
          'FontSize',16,'Units','normalized','Position',[0.05 yTop-btnH 0.90 btnH],...
          'Callback',@loadCloud);
yTop = yTop - btnH - gap;

lblInfo = uicontrol('Parent',pnlCtrl,'Style','text','String','未加载点云',...
                    'FontSize',10,'Units','normalized','Position',[0.05 yTop-txtH 0.90 txtH],...
                    'HorizontalAlignment','left');
yTop = yTop - txtH - gap;

% 2. radius/mm
uicontrol('Parent',pnlCtrl,'Style','text','String','邻域半径 / mm',...
          'FontSize',12,'FontWeight','bold','Units','normalized','Position',[0.05 yTop-txtH 0.90 txtH],...
          'HorizontalAlignment','left');
yTop = yTop - txtH - gap;

sliderR = uicontrol('Parent',pnlCtrl,'Style','slider','Min',1,'Max',100,'Value',50,...
                    'FontSize',16,'Units','normalized','Position',[0.05 yTop-btnH 0.65 btnH],...
                    'Callback',@refreshFilter);
txtR    = uicontrol('Parent',pnlCtrl,'Style','edit','String','50',...
                    'FontSize',16,'Units','normalized','Position',[0.75 yTop-btnH 0.20 btnH],...
                    'Callback',@editRCB);
yTop = yTop - btnH - gap;

% 3. 保存
uicontrol('Parent',pnlCtrl,'Style','pushbutton','String','保存滤波结果',...
          'FontSize',16,'Units','normalized','Position',[0.05 yTop-btnH 0.90 btnH],...
          'Callback',@(s,e)saveCloud(ptCloudFilt));

%% ---------- 数据 ----------
ptCloudOrig = pointCloud.empty;
ptCloudFilt = pointCloud.empty;

    %% ---------- 回调 ----------
    function loadCloud(~,~)
        [file,path] = uigetfile({'*.pcd;*.ply;*.xyz','点云文件'},'选择点云');
        if isequal(file,0), return; end
        try
            ptCloudOrig = pcread(fullfile(path,file));
        catch ME
            errordlg(ME.message,'读取失败'); return;
        end
        showPointCloud(axOrig,ptCloudOrig);
        N = ptCloudOrig.Count;
        set(lblInfo,'String',sprintf('已加载：%s  (%d 点)',file,N));
        refreshFilter();
    end

    function refreshFilter(~,~)
        if isempty(ptCloudOrig), return; end
        r = get(sliderR,'Value');
        ptCloudFilt = pcdMeanFilter(ptCloudOrig,r);
        showPointCloud(axFilt,ptCloudFilt);
        set(txtR,'String',num2str(r));
    end

    function editRCB(src,~)
        v = str2double(get(src,'String'));
        if isnan(v), v = 50; end
        v = max(1,min(100,v));
        set(sliderR,'Value',v);
        refreshFilter();
    end

    function saveCloud(cloud)
        if isempty(cloud)
            errordlg('请先完成均值滤波','提示'); return;
        end
        [file,path] = uiputfile({'*.pcd','PCD';'*.ply','PLY';'*.xyz','XYZ'},'保存滤波点云');
        if isequal(file,0), return; end
        try
            pcwrite(cloud,fullfile(path,file),'Precision','double');
            msgbox('保存成功！','提示');
        catch ME
            errordlg(ME.message,'保存失败');
        end
    end

    function showPointCloud(ax,pc)
        cla(ax); set(ax,'Color','w');
        pcshow(pointCloud(nan(0,3)),'Parent',ax);  % 2020a 暖启动
        pcshow(pc,'Parent',ax,'MarkerSize',35);
        axis(ax,'tight'); grid(ax,'on'); view(ax,3);
    end

    %% ---------- 均值滤波核心 ----------
    function out = pcdMeanFilter(pc,radiusMm)
    xyz  = pc.Location;
    n    = size(xyz,1);
    radius = radiusMm;          % 转米

    kd = createns(xyz,'NSMethod','kdtree');
    block = 10000;                   % 批查询
    xyzMean = zeros(n,3,'like',xyz);

    for i = 1:block:n
        ir = min(i+block-1,n);
        idxCell = rangesearch(kd, xyz(i:ir,:), radius);
        for k = i:ir
            idx = idxCell{k-i+1};
            if numel(idx)>0
                xyzMean(k,:) = mean(xyz(idx,:),1);
            else
                xyzMean(k,:) = xyz(k,:);   % 无邻域保持原值
            end
        end
    end

    out = pointCloud(xyzMean, ...
                     'Color', pc.Color, ...
                     'Normal', pc.Normal);
    end
end

二、点云均值滤波的结果

使用依旧是GUI(真香！！)，通过调节均值半径，可以看到窗帘明显边沿噪声部分被抑制删除，感兴趣的童鞋可以自己再试试别的点云。

就酱，下次见^-^

相关推荐
被AI抢饭碗的人18 小时前
算法题（240）：最大食物链计数
算法
熬了夜的程序员18 小时前
【LeetCode】82. 删除排序链表中的重复元素 II
数据结构·算法·leetcode·链表·职场和发展·矩阵·深度优先
欧克小奥19 小时前
Floyd判圈算法（Floyd Cycle Detection Algorithm）
算法·floyd
无敌最俊朗@19 小时前
解决 QML 中使用 Qt Charts 崩溃的三个关键步骤
开发语言·qt
会飞的小新19 小时前
C 标准库之 ＜errno.h＞ 详解与深度解析
c语言·开发语言
胡八一19 小时前
30 分钟上手 exp4j：在 Java 中安全、灵活地计算数学表达式
java·开发语言·安全
熬了夜的程序员20 小时前
【LeetCode】83. 删除排序链表中的重复元素
算法·leetcode·链表
郝学胜-神的一滴20 小时前
Linux 进程控制块（PCB）解析：深入理解进程管理机制
linux·服务器·开发语言
后端小张20 小时前
【鸿蒙开发手册】重生之我要学习鸿蒙HarmonyOS开发
开发语言·学习·华为·架构·harmonyos·鸿蒙·鸿蒙系统
胖咕噜的稞达鸭20 小时前
AVL树手撕，超详细图文详解
c语言·开发语言·数据结构·c++·算法·visual studio
热门推荐
01GitHub 镜像站点02BongoCat - 跨平台键盘猫动画工具03UV安装并设置国内源04Linux下V2Ray安装配置指南05GitLab 零基础入门指南：从安装到项目管理全流程06NVIDIA显卡驱动、CUDA、cuDNN 和 TensorRT 版本匹配指南07一文了解国产算子编程语言 TileLang，TileLang 对国产开源生态的影响与启示082025软件测试面试八股文（含答案+文档）09Labelme从安装到标注：零基础完整指南10在VSCode配置Java开发环境的保姆级教程（适配各类AI编程IDE）