点云根据邻域数量进行异常删除

最新推荐文章于 2024-08-01 12:08:31 发布

打杂道人

最新推荐文章于 2024-08-01 12:08:31 发布

阅读量125

点赞数

分类专栏： PCL 文章标签： c++ 开发语言计算机视觉 3d 算法

本文链接：https://blog.youkuaiyun.com/laoki/article/details/130375525

版权

PCL 专栏收录该内容

15 篇文章

订阅专栏

文章介绍了RadiusOutlierRemoval接口在点云处理中的应用，通过设置0.05的距离和30个邻居数量进行异常删除。提供的结构体FilterRadiusOutlierRemoval和KPclFilterRemovalRadiusOutlier类在klib可视化平台上实现了该功能，允许用户配置参数如搜索半径和最小邻居数来过滤点云数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

点云中根据邻域数量进行异常删除的接口是RadiusOutlierRemoval。

使用的效果如下：

使用 0.05距离的邻居数量30

实现klib可视化平台的插件算子如下：

struct FilterRadiusOutlierRemoval
{
	//FilterIndices
	bool extract_removed_indices = false;
	bool negative = false;
	bool keep_organized = false;
	float userFilterValue = std::numeric_limits<float>::quiet_NaN();
	//RadiusOutlierRemoval
	double radiusSearch = 0;
	int minNeighborsInRadius = 1;

	//
	template<class PT>
	KArbit operator()(const pcl::shared_ptr<PointCloud<PT> >& cloud)
	{
		pcl::shared_ptr<PointCloud<PT> > res(new PointCloud<PT>);
		RadiusOutlierRemoval<PT> f(extract_removed_indices);
		f.setNegative(negative);
		f.setKeepOrganized(keep_organized);
		f.setUserFilterValue(userFilterValue);
		f.setRadiusSearch(radiusSearch);
		f.setMinNeighborsInRadius(minNeighborsInRadius);
		f.setInputCloud(cloud);
		f.filter(*res);
		return res;
	}
};




struct KPclFilterRemovalRadiusOutlier : KPlugBase
{
	FilterRadiusOutlierRemoval p;
	
	KPclFilterRemovalRadiusOutlier()
	{
		addProp("extract_removed_indices").setType(PropTypeBool).setValueAddr(&p.extract_removed_indices);
		addProp("negative").setType(PropTypeBool).setValueAddr(&p.negative);
		addProp("keep_organized").setType(PropTypeBool).setValueAddr(&p.keep_organized);
		addProp("userFilterValue").setType(PropTypeFloat).setValueAddr(&p.userFilterValue);

		addProp("radiusSearch").setType(PropTypeDouble).setValueAddr(&p.radiusSearch);
		addProp("minNeighborsInRadius").setType(PropTypeInt32).setValueAddr(&p.minNeighborsInRadius);
	}

	int __exec(const KArbit& src, KArbit& dst) override
	{
		dst = cld_op(src, p);
		return true;
	}
};