基于滑动核的二维网格上三维点云平均特性（Matlab）

我有一个3柱格式的三维点云[x，y，z]，从第4列开始，每个点都有额外的属性。请注意，所有点的距离都是随机的。我正在尝试实现一个类似于blockproc的移动过滤器，以创建一个大小为y，x的2D矩阵，该矩阵沿z“展平”数据，并对体积中点云的给定属性求平均值。这个卷应该是一个沿着x和y的固定大小的内核，让我们称它们为dx和dy，在其中取任意z的值。此外，卷应该能够滑动，因此例如，移动步骤（称为xStep和yStep）不一定等于dx和dy（尽管dx=dy和xStep=yStep）

到目前为止，我发现的Matlab函数有：

blockproc：能够实现滑动内核，但可以在矩阵上工作

accumarray：适用于离散点，但无滑动内核

这是一幅我试图在概念上做的卡通画。该函数应捕获红点，并应用函数（如mean、stdev）计算红细胞值。然后按xStep移动并重新应用该函数

你知道我怎样才能做到吗？我已经在这上面呆了一段时间了。我编写了一个函数，在每次迭代时对点进行索引，但我的数据集相当大（>10^7点），因此这种方法非常耗时。使用accumarray提供MWE，无需滑动内核：

table = [ 20*rand(1000,1) 30*rand(1000,1) 40*rand(1000,1)]; % random data
x_partition = 0:2:20; % partition of x axis
y_partition = 0:5:30; % partition of y axis
L = size(table,1);
M = length(x_partition);
N = length(y_partition);
[~, ii] = max(repmat(table(:,1),1,M) <= repmat(x_partition,L,1),[],2);
[~, jj] = max(repmat(table(:,2),1,N) <= repmat(y_partition,L,1),[],2);
% Calculate the sum
result_sum = accumarray([ii jj], table(:,3), [M N], @sum, NaN);

table=[20*rand（1000,1）30*rand（1000,1）40*rand（1000,1）]；%随机数据
x_分区=0:2:20；%x轴的划分
y_分区=0:5:30；%y轴的划分
L=尺寸（表1）；
M=长度（x_分区）；
N=长度（y_分区）；
[~，ii]=max（repmat（表（：，1），1，M）以满足特定需要，如果您有图像处理工具箱，您可以使用：
imboxfilt3
进行平均，
stdfilt
进行标准偏差，
rangefilt
进行局部范围（max-min），
entropyfilt
用于局部熵。您所做的是忽略
z
列。这是一个2D问题。您可以设置2D空间索引结构，并使用该结构有效地查找任何选定矩形内的所有点。一旦找到点，您可以找到相应的属性并对其进行平均。请参见此处：