如何用Julia计算偏度与峰度并解决激光雷达点云分类死循环问题

我正在处理激光雷达点云数据，计划通过计算**偏度（skewness）和峰度（kurtosis）**来区分道路与地面。当前强度列的分布如图：

我想了解该方法在其他编程语言中的实现方案，同时参考了以下处理逻辑：

首先计算点云的偏度，若偏度大于0，则点云分布由峰值主导（如表1所示）。因此将点云中的最大值标记为目标点以剔除。重复执行上述步骤，直至点云偏度不大于0，以此分离所有地面点与目标点。

代码问题更新 #

我基于上述逻辑编写了Julia代码，但陷入无限循环，当前通过StatsBase.skewness(poi.intensity)计算得到的偏度值约为0.125：

data = rand(Gamma(7.5, 1.0), 75)
th=maximum(data)
classification=rand(2:3,length(data))
poi=Table(intensity=data,classification=classification)
while sk > 0
    poi.classification[findall(poi.intensity .== th)] .= 7 #object
    th = th .- 1
    sk = skewness(poi.intensity[findall(poi.classification .== 2)])
    print(sk)
end

内容的提问来源于stack exchange，提问作者F612