mls_smooth — 3D `preprocess` op

• データ種: points → points

• 呼び出し: import fullseye as fs; fs.ledger.mls_smooth(points, radius: 'float', order: 'int' = 2, chunk: 'int | None' = None, method: 'str' = 'exact') (実装を直接呼ぶなら import pcl_filter; pcl_filter.mls_smooth(points, radius: 'float', order: 'int' = 2, chunk: 'int | None' = None, method: 'str' = 'exact')、台帳から引くなら ops3d.get("mls_smooth"))

• GPU: なし(CPU 参照実装のみ)

使い方

各点を局所多項式曲面へ射影してノイズを落とす(Moving Least Squares 平滑)。

点ごとに半径 radius 内の近傍を集め、重み付き PCA で局所平面(法線 n と接平面の 2 軸)を推定し、近傍の「接平面上座標 (u,v) → 法線方向の高さ h」に order 次の多項式曲面をガウス重み付き最小二乗で当てはめる。注目点自身は局所座標の原点 (0,0) にあたるので、当てはめた曲面の (0,0) での高さ(= 定数項)ぶんだけ法線方向へ動かして曲面上へ射影する。面の形は保ったままセンサノイズだけを均せる。

Parameters

points : array_like, shape (N, 3)

入力点群。

radius : float

近傍球の半径(> 0)。局所曲面のサポート。

order : int

局所多項式の次数(既定 2)。項数は (order+1)(order+2)/2。

chunk : int or None

指定時は近傍リストをこの点数ずつ取得して破棄する。既定は従来経路。

method : {'exact', 'mean'}

既定 'exact' は多項式曲面の最小二乗。'mean' は order=0 専用で、定数項を

重み付き平均で直接求める(同じ値を lstsq を経ずに出す速い経路。許容差 rtol=1e-12, atol=1e-14)。

Returns

ndarray, shape (N, 3)

平滑後の点群(順序・点数は保持)。近傍が多項式の項数に満たない点は原位置のまま。

Notes

近似手法である。近傍数が項数未満/局所平面が縮退する点は動かさず原位置を維持する(穴や境界で暴れないための安全策)。radius <= 0 は ValueError、空入力は空を返す。

空の入力(points が 0 要素)は空を返す(理由: 点群の間引き・外れ値除去・ドロップアウトは結果が空になりうる。空の点群は正当な値で、連鎖の次段で止めない)。

背景知識ガイド(この op の手前にある物理・規約)

• depth_sensors — 深度センサの知識 — 測距原理・実機の値・欠測の出方

参考(サンプルデータ・文献)

• サンプルデータカタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• pcl_geodesic — py -3.11 examples_3d/pcl_geodesic.py

型が繋がる次の op(`points` を入力に取れる)

points_to_voxel · gaussians_to_voxel · estimate_point_normals · to_points · match_points_ncc · match_pca · find_surface_pose · moment_axes

同カテゴリ(`preprocess`)

statistical_outlier_removal · radius_outlier_removal · voxel_grid_downsample · volume_downsample

*Provenance: pcl_filter.py — 3D operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

mls_smooth — 3D preprocess op

使い方