PCL 基于高程改进的体素滤波
目录
- 一、改进简介
- 1. 体素空间离散化
- 2. 基于哈希表的极值聚合
- 3. 结果输出
- 4. 与传统方法的对比
- 5. 参数影响
- 二、代码实现
- 三、结果展示
- 1. 原始点云
- 2. 滤波结果
一、改进简介
本文提出一种面向高程极值保留的改进体素滤波算法，旨在解决传统体素滤波因取重心或随机采样导致的高程特征丢失问题。该算法通过在每个三维体素网格内仅保留高程（Z轴）最大的点，实现点云数据的稀疏化，同时最大程度维持地物顶部形态（如建筑物屋顶、树冠等）。其核心流程如下：
1. 体素空间离散化
给定点云P = { p i = ( x i , y i , z i ) } i = 1 N \mathcal{P} = \{\mathbf{p}_i = (x_i, y_i, z_i)\}_{i=1}^NP=