PCL点云库学习笔记(滤波)

点云滤波

一、使用直通滤波器

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/filters/passthrough.h>

int
main(int argc, char** argv)
{
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);

	// 填充点云
	cloud->width = 5;//点云的数量
	cloud->height = 1;//无序点云
	cloud->points.resize(cloud->width * cloud->height);

	for (std::size_t i = 0; i < cloud->points.size(); ++i)
	{
		cloud->points[i].x = 1024 * rand() / (RAND_MAX + 1.0f);//为点云填充数据
		cloud->points[i].y = 1024 * rand() / (RAND_MAX + 1.0f);
		cloud->points[i].z = 1024 * rand() / (RAND_MAX + 1.0f);
	}

	std::cerr << "Cloud before filtering: " << std::endl;//打印所有点
	for (std::size_t i = 0; i < cloud->points.size(); ++i)
		std::cerr << "    " << cloud->points[i].x << " "
		<< cloud->points[i].y << " "
		<< cloud->points[i].z << std::endl;

	// Create the filtering object
	pcl::PassThrough<pcl::PointXYZ> pass;//设置滤波器对象
	pass.setInputCloud(cloud);//输入点云
	pass.setFilterFieldName("z");//设置过滤式所需要的点云类型的z字段
	pass.setFilterLimits(0.0, 500.0);//设置过滤字段的范围
	//pass.setFilterLimitsNegative (true);
	pass.filter(*cloud_filtered);//执行滤波

	//输出滤波点云
	std::cerr << "Cloud after filtering: " << std::endl;
	for (std::size_t i = 0; i < cloud_filtered->points.size(); ++i)
		std::cerr << "    " << cloud_filtered->points[i].x << " "
		<< cloud_filtered->points[i].y << " "
		<< cloud_filtered->points[i].z << std::endl;

	return (0);
}

二、使用VoxelGrid滤波器进行下采样

对点云数据集进行降采样，即减少点数。VoxelGrid类在输入点云数据上创建一个三维体素网格（将体素网格视为空间中的微小的三维立方体集合）。在每个体素（立方体）中，用体素中所有点的重心来表示体素内的所有点（即下采样）。 这种方法比用体素的中心逼近它们要慢一些，但是它可以更准确地表示曲面。

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>

int main(int argc, char** argv)
{
	pcl::PCLPointCloud2::Ptr cloud(new pcl::PCLPointCloud2());
	pcl::PCLPointCloud2::Ptr cloud_filtered(new pcl::PCLPointCloud2());

	// 读取点云
	pcl::PCDReader reader;
	reader.read("table_scene_lms400.p