open3d 点云的底面过滤

在使用 Open3D 进行点云处理时，可以使用 RANSAC 算法来进行底面过滤。

具体步骤如下：

1. 将点云转换成 numpy 数组格式。
2. 对点云进行 RANSAC 平面拟合，得到平面模型参数。
3. 计算点云中每个点到平面的距离，选择距离较大的点作为有效点。
4. 将有效点重新组成点云。

以下是示例代码：

import open3d as o3d
import numpy as np

# 读取点云数据
pcd = o3d.io.read_point_cloud("point_cloud.pcd")

# 将点云转换成 numpy 数组格式
points = np.asarray(pcd.points)

# RANSAC 平面拟合
plane_model, inliers = points.segment_plane(distance_threshold=0.01, ransac_n=3, num_iterations=1000)

# 计算点云中每个点到平面的距离
distances = np.abs(np.dot(points, plane_model[:3]) + plane_model[3])

# 选择距离较大的点作为有效点
threshold = 0.01
outliers = np.where(distances > threshold)[0]

# 将有效点重新组成点云
filtered_pcd = pcd.select_by_index(outliers)
o3d.visualization.draw_geometries([filtered_pcd])

其中，`distance_threshold` 为 RANSAC 算法中的距离阈值，`ransac_n` 为随机采样的点数，`num_iterations` 为迭代次数。`threshold` 为底面过滤的距离阈值。