StatisticalOutlierRemoval：离群点移除

最新推荐文章于 2025-03-25 19:49:48 发布

原创最新推荐文章于 2025-03-25 19:49:48 发布 · 4.8k 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#outlier #pcl

Point Clouds 专栏收录该内容

10 篇文章

订阅专栏

本文介绍如何使用PCL库中的StatisticalOutlierRemoval滤波器进行点云数据的离群点去除，通过设定邻近点数和标准差倍数阈值，有效地筛选并分离出离群点，同时提供了完整的代码示例和可视化效果。

官方代码解析

首先解析一波官方代码：

pcl::PCDReaderreader;//定义读取对象
reader.read<pcl::PointXYZ>("table_scene_lms400.pcd",*cloud);//读取点云文件

然后，创建了一个pcl::StatisticalOutlierRemoval滤波器，将对每个点分析的临近点个数设为50，并将标准差倍数设为1，这意味着如果一个点的距离超出平均距离一个标准差以上，则该点被标记为离群点，并将被移除。计算后的输出结果储存在cloud_filtered中。

pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;// 创建滤波器对象
sor.setInputCloud(cloud);                        //设置呆滤波的点云
sor.setMeanK(50);                                //设置在进行统计时考虑查询点邻近点数
sor.setStddevMulThresh(1.0);                    //设置判断是否为离群点的阈值
sor.filter(*cloud_filtered);                    //执行滤波处理保存内点到cloud_filtered

剩下的数据（内部点）将被存入磁盘，以供其他使用，例如可视化等。

pcl::PCDWriterwriter;
writer.write<pcl::PointXYZ>("table_scene_lms400_inliers.pcd",*cloud_filtered,false);

然后，使用同样的参数再次调用该滤波器，但是利用函数setNegative设置使输出取外点，以获取离群点数据（也就是原本滤除掉的点）。

sor.setNegative(true);
sor.filter(*cloud_filtered);

并将数据写回到磁盘。

writer.write<pcl::PointXYZ>("table_scene_lms400_outliers.pcd",*cloud_filtered,false);

实战数据：

#include <iostream>
#include <vector>
#include <ctime>
//---------------------------------------------
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/io/pcd_io.h>
#include <pcl/io/vtk_lib_io.h> //obj读取头文件
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/features/normal_3d.h>
//-法向显示错误：no override found for vtkActor--
#include <vtkAutoInit.h>
VTK_MODULE_INIT(vtkRenderingOpenGL);
//outlier
#include <pcl/filters/statistical_outlier_removal.h>

using namespace std;

int main() {
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::PointCloud<pcl::PointXYZ>::Ptr bottom(new pcl::PointCloud<pcl::PointXYZ>);

	//-------------------------------读取点云文件---------------------------------------------------
	pcl::PolygonMesh mesh;
	if (pcl::io::loadPolygonFile("D:/pcd/shoeData/0422/0423-1.obj", mesh) == -1)
	{
		cout << "COULD NOT READ FILE mid.pcl \n";
		system("pause");
		return (-1);
	}
	pcl::fromPCLPointCloud2(mesh.cloud, *cloud);

	cout << "points sieze is:" << cloud->size() << endl;
	
	//outlier
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
	sor.setInputCloud(cloud);
	sor.setMeanK(200);   //设置在进行统计时考虑查询点邻近点数
	sor.setStddevMulThresh(1.0);   //设置判断是否为离群点的阈值，如果一个点的距离超出平均距离一个标准差以上，则该点被标记为离群点，并将被移除。
	sor.filter(*cloud_filtered);
	//---------------------------------显示---------------------------------------------------------------------
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D viewer"));
	
	int v1(0);
	viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1);//xmin, ymin, xmax, ymax,取值范围0-1
	viewer->setBackgroundColor(0, 0, 0, v1);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> green0(cloud, 0, 225, 0);
	viewer->addPointCloud(cloud, green0, "cloud", v1);

	int v2(0);
	viewer->createViewPort(0.5, 0.0, 1.0, 1.0, v2);
	viewer->setBackgroundColor(0.3, 0.3, 0.3, v2);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> green1(cloud_filtered, 0, 225, 0);
	viewer->addPointCloud(cloud_filtered, green1, "cloud_filtered", v2);
	
	while (!viewer->wasStopped()) {
		viewer->spinOnce(100);
	}
	system("pause");
	return 0;
}