给点云加高斯噪声python

在Python中给点云数据添加高斯噪声，通常涉及到对每个数据点的坐标值进行随机扰动。高斯噪声是一种常见的噪声模型，其特点是产生的误差服从正态分布。以下是一个简化的步骤来实现这一过程：

import numpy as np
from sklearn.datasets import make_blobs  # 示例中我们先生成一些点云数据

# 假设你已经有了点云数据 (x, y) 或者更复杂的三维数据 (x, y, z)
def add_gaussian_noise(point_cloud, noise_level=0.1):
    """
    添加高斯噪声到点云数据
    :param point_cloud: 点云数据，形状通常是 (n_samples, n_features)
    :param noise_level: 高斯噪声的标准差，范围通常在 0 到 1 之间
    :return: 新的数据点云，包含高斯噪声
    """
    mean = np.zeros_like(point_cloud[:, 0])
    covariance = np.eye(point_cloud.shape[1]) * noise_level ** 2
    noisy_points = point_cloud + np.random.multivariate_normal(mean, covariance, size=point_cloud.shape[0])
    return noisy_points

# 示例：
# 创建一个简单的二维点云数据
data, _ = make_blobs(n_samples=100, centers=2, random_state=42)

noisy_data = add_gaussian_noise(data)

在这个例子中，`make_blobs`函数用于创建点云，然后`add_gaussian_noise`函数会将每个点的坐标向量添加一个符合正态分布的随机数。