有啥方法可以减少 Radius 异常值删除 [pcl 异常值删除] 的执行时间？

Posted 2023-03-28

【中文标题】有啥方法可以减少 Radius 异常值删除 [pcl 异常值删除] 的执行时间？

【英文标题】：Is there any way to reduce execution time of Radius outlier removal [pcl outlier removal]?有什么方法可以减少 Radius 异常值删除 [pcl 异常值删除] 的执行时间？

【发布时间】：2020-12-23 14:06:04

【问题描述】：

现在我在点云中工作，就我而言，我的点云在异常值中很嘈杂，我想清除噪声，所以我使用 PCL 中的半径异常值过滤器。小云的执行时间不错，但时间会随着点云大小的增加而增加。

pcl::RadiusOutlierRemoval<pcl::PointXYZ> outrem;
 outrem.setInputCloud(box_cloud);
outrem.setRadiusSearch(0.007);
outrem.setMinNeighborsInRadius (150);
outrem.setKeepOrganized(false);
// apply filter
outrem.filter (*box_cloud);** 

就我而言，大约需要 15 秒。

寻找一种解决方案来减少这个时间。

【参考方案1】：

pcl::RadiusOutlierRemoval

遍历整个输入一次，并为每个点检索一定半径内的邻居数。

所以运行时间取决于云中的点数和搜索半径（半径越大，树查询越慢）。

可能的方法：

如果某些点绝对不是异常值，您可以使用：setIndices() 排除它们。例如，如果您知道所有异常值都具有深色（强度 pcl::PassThrough 预先选择带有 intensity < I 的所有点索引。 减少搜索半径（以及相应的最小邻居）。 我相信算法内部没有并行化。因此，您可以将工作拆分为多个线程，每个线程都从云的子集中删除异常值。请注意，划分应该是空间的，而不是基于索引 - pcl::CropBox 可以用于此。 “近似半径去除”可以使用pcl::OctreePointCloud通过迭代叶体素并计算体素内的点数来实现（如果体素包含少于X个点，那么体素中的所有点都应该被删除）。