点云需要滤波的原因
- 点云数据密度不规则需要平滑
- 因为遮挡等问题造成离群点需要去除
- 大量数据需要下采样
- 噪音数据需要去除
1.直通滤波
对指定的某一维度实行简单的滤波，就是类似于2D处理中的画ROI，此滤波可以将x（y和z）在某一范围的点云剥离出来或者剥离出去。
2.VoxelGrid滤波器对点云进行下采样
此滤波方式使用体素化网格方法实现下采样，即减少点的数量，减少点云数据，并同时保持点云的形状特征，在提高配准，曲面重建，形状识别等算法速度中十分实用。此算法原理是在被滤波的点云中创建一个三维体素栅格（可以将体素栅格想象成微小的空间三维立方体的集合），然后在每个体素（即三维立方体内），用体素中所有点的重心来近似显示体素中的其他点，这样该体素内所有点就用一个重心点表示。（此类方法比体素中心要更准确但是会更慢）
3.使用uniformSampling进行均匀采样
原理：对点云数据创建一个三维体素栅格，然后，在每个体素保留一个最接近体素中心的点，代替体素中所有点。不如体素中的重心代替体素准。
4.使用StatisticalOutlierRemoval滤波器移除离群点（统计滤波）
此滤波原理是。对于输入的点云数据中对点与临近点的距离分布计算，对于每个点，我们计算他到他所有临近点的平均距离，假设得到的结果是一个高斯分布，其形状由均值与标准差决定，平均距离在标准范围（由全局距离平均值和方差定义）之外的点，可被定义为离群点并可从数据集中去除掉。
5.半径滤波
对整个输入迭代一次，对于每个点进行半径R邻域搜索，如果邻域点的个数低于某一阈值，则该点将被视为噪声点并被移除。
6.条件滤波
//筛选满足特定条件的点云数据。有两种类型的条件：
// [1]ConditionAnd: 所有条件都要满足// [2]ConditionOr : 满足一个条件即可
// 可以设置一个或多个条件对象，并为条件对象添加比较算子。条件比较算子包含三项：// [1]名称：对应于点云XYZ字段名称、RGB颜色空间、HSI颜色空间中的颜色分量等。// [2]比较运算符：GT、GE、LT、LE、EQ// [3]值：即要比较的名称的数值//运算符 含义// GT greater than 大于// GE greater than or equal 大于等于// LT less than 小于// LE less than or equal 小于等于// EQ 等于
7.索引提取
8.使用参数化模型投影点云
此方法是将点投影到一个参数化模型上（例如平面或者球体）。参数化模型通过一组参数来设定。
9.模型滤波
10.双边滤波
11.CropHull任意多边形内部点云提取
跟2D图像中画ROI一样
