matlab不使用工具函数对点云进行均值滤波降噪，并且点云是以点云对象存储的应该怎么实现

可以按照以下步骤实现点云的均值滤波降噪：

1. 首先，从点云对象中获取点云数据，通常是一个 n×3 的矩阵，每一行表示一个点的坐标。

2. 然后，选择一个固定大小的窗口，在窗口内计算每个点的平均值，作为该点的新坐标值。可以选择不同大小的窗口来实现不同程度的平滑。

3. 对于窗口边缘的点，由于窗口内的点数不足，无法计算平均值。可以选择忽略这些点，或者使用边缘点周围的点计算平均值。

4. 最后，将计算得到的新的点坐标替换原来的坐标值，即完成了点云的均值滤波降噪。

下面是一个 MATLAB 代码示例：

% 加载点云数据，假设点云对象名为 pcobj
ptcloud = pcobj.Location;

% 设定窗口大小为 5×5
win_size = 5;

% 对每个点进行均值滤波
for i = 1:size(ptcloud, 1)
    x = ptcloud(i, 1);
    y = ptcloud(i, 2);
    z = ptcloud(i, 3);
    
    % 计算窗口内点的平均值
    if i <= win_size || i > size(ptcloud, 1) - win_size
        % 处理边缘点
        ptcloud(i, :) = [x, y, z];
    else
        win_x = x - win_size : x + win_size;
        win_y = y - win_size : y + win_size;
        win_z = z - win_size : z + win_size;
        win_pts = ptcloud(win_x, win_y, win_z);
        ptcloud(i, :) = mean(win_pts, 'all');
    end
end

% 更新点云对象中的点云数据
pcobj = pointCloud(ptcloud);

注意，这种方法只是一种简单的均值滤波实现方式，可能会造成一些信息的损失，对于一些特殊的点云数据可能效果不佳。如果需要更加高效、精确的点云降噪方法，可以考虑使用其他算法，如高斯滤波、中值滤波等。