最近投文章，不止一个审稿人向我推荐了PointCleanNet用于稠密点云去噪。查了一下，是Ovsjanikov教授挂名的文章，发表在CGF上。高手背书，果断决定研究一下。
1. 介绍
点云去噪是一个老问题了，一般主要是针对高斯噪声和异常点（Outliers）进行去噪，经典的方法包括双线性，高斯核以及MLS曲面重映射等方法。作者在PointCleanNet中，提出了一些关于点云去噪的一些细节问题，如下：
1）平衡去噪与特征保护；2）自适应；3）对无序点云与刚性变换鲁棒；4）不干扰非噪声点。
这里给出我个人的解释，一般在点云去噪中，为了追求点云的连续性，通常都会采取平滑算法。可想而知，一些重要的几何特征，如锐利的边界以及几何纹理细节会被平滑掉。这是我们不希望发生的。因此，去噪需要在平滑与特征保持中建立平衡。自适应，意思是不希望有过多的人为输入。因为一些经典算法都要求用户输入搜索半径等参数，而这些参数对结果又会有很大影响，同时用户又不太清楚如何输入较好的参数，所以导致基于参数的算法实用性一般。自适应就是要解决这个问题。无序与刚性变换鲁棒比较容易理解，就是对同一个点云，变换点的顺序与对点云进