【PCL】Segmentation 模块—— 渐进式形态学滤波（Progressive Morphological Filtering）

最新推荐文章于 2025-08-04 17:15:27 发布

原创最新推荐文章于 2025-08-04 17:15:27 发布 · 1k 阅读

30 ·

CC 4.0 BY-SA版权

文章标签：

#PCL #计算机视觉 #3D点云 #C++

PCL 专栏收录该内容

26 篇文章

订阅专栏

Progressive Morphological Filtering（渐进式形态学滤波） 是一种用于从机载LiDAR（激光雷达）数据中分离地面点与非地面点的滤波算法。该算法通过逐步增大滤波窗口尺寸，并结合高程差阈值，能够有效去除建筑物、车辆、植被等非地面点，同时保留地形特征，生成高精度的数字地形模型（DTM）或数字高程模型（DEM）。

1. 算法背景

机载LiDAR技术能够快速、低成本地获取大范围的高精度地形数据。然而，LiDAR点云中不仅包含地面点，还包含建筑物、车辆、植被等非地面点。为了生成高精度的DTM/DEM，需要将这些非地面点从点云中分离出来。Progressive Morphological Filtering 正是为解决这一问题而设计的。

2. 核心原理

2.1 形态学滤波基础

形态学滤波基于数学形态学中的**膨胀（Dilation）和腐蚀（Erosion）**操作：

膨胀：在窗口内选择最大高程值，用于扩大地物特征。
腐蚀：在窗口内选择最小高程值，用于缩小地物特征。
开操作：先腐蚀后膨胀，用于去除细小地物（如树木）并保留大型地物（如建筑物）。

2.2 渐进式滤波

传统形态学滤波使用固定窗口尺寸，难以同时处理不同尺寸的地物（如小汽车和大型建筑物）。渐进式形态学滤波通过逐步增大窗口尺寸来解决这一问题：

初始窗口：使用较小的窗口去除细小地物（如树木、汽车）。
逐步增大窗口：随着窗口尺寸增大，逐步去除更大的地物（如建筑物）。
高程差阈值：引入高程差阈值，区分地面点与非地面点。地面点的高程变化是渐变的，而非地面点（如建筑物屋顶）的高程变化是突变的。

3. 算法流程

点云划分：将不规则点云划分为规则网格，每个网格中选择高程最低点作为初始地面点。
迭代滤波：
- 使用初始窗口尺寸进行形态学开操作，去除细小地物。
- 逐步增大窗口尺寸，重复开操作，去除更大尺寸的地物。
- 根据高程差阈值判断地面点与非地面点。
参数调整：
- 窗口尺寸：可通过线性或指数增长方式调整。
- 高程差阈值：根据地形坡度和地物高度动态调整。
输出结果：生成地面点云和非地面点云，用于后续的DTM/DEM生成。

4. 参数设置

窗口尺寸：决定滤波的粒度，过小会保留过多非地面点，过大会丢失地形细节。
高程差阈值：用于区分地面点与非地面点，通常根据地形坡度和地物高度设置。
坡度：影响高程差阈值的计算，坡度越大，阈值越高。

5. 应用与优化

应用场景：广泛应用于地形建模、洪水模拟、滑坡预测等领域。
优化方法：
- 多线程加速：如PCL库中的ApproximateProgressiveMorphologicalFilter，通过多线程提高计算效率。
- 参数调优：根据具体场景调整窗口尺寸和高程差阈值，以获得最佳滤波效果。

6. 代码示例

以下是PCL库中Progressive Morphological Filtering的简单实现，代码读取点云数据，应用渐进式形态学滤波，并输出地面点云。

读取PCD文件：使用 pcl::PCDReader 读取点云数据。
应用渐进形态滤波器：使用 pcl::ProgressiveMorphologicalFilter 提取地面点。
提取地面点并保存：通过 pcl::ExtractIndices 从原始点云中提取地面点并保存到一个新的 PCD 文件。
提取非地面点并保存：通过设置 setNegative(true)，提取非地面点并保存到另一个新的 PCD 文件。

创建bare_earth.cpp

#include <iostream>
#include <pcl/io/pcd_io.h>  // 用于读取和写入PCD文件
#include <pcl/point_types.h> // 用于点云数据类型
#include <pcl/filters/extract_indices.h> // 用于从点云中提取指定的点
#include <pcl/segmentation/progressive_morphological_filter.h> // 用于地面提取的渐进形态滤波器

int main ()
{
  // 创建一个新的点云对象和一个用于存储过滤结果的点云对象
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered (new pcl::PointCloud<pcl::PointXYZ>);
  pcl::PointIndicesPtr ground (new pcl::PointIndices);  // 存储地面点索引

  // 从PCD文件中读取点云数据
  pcl::PCDReader reader;
  // 读取存储在指定路径下的PCD文件
  reader.read<pcl::PointXYZ> ("samp11-utm.pcd", *cloud);

  // 输出原始点云数据的大小
  std::cerr << "Cloud before filtering: " << std::endl;
  std::cerr << *cloud << std::endl;

  // 创建渐进形态滤波器对象
  pcl::ProgressiveMorphologicalFilter<pcl::PointXYZ> pmf;
  pmf.setInputCloud (cloud);  // 设置输入点云
  pmf.setMaxWindowSize (20);  // 设置滤波窗口的最大大小
  pmf.setSlope (1.0f);  // 设置坡度阈值，用于区分地面与非地面
  pmf.setInitialDistance (0.5f);  // 设置初始距离，用于逐步提高阈值
  pmf.setMaxDistance (3.0f);  // 设置最大距离，限制最大可接受距离
  pmf.extract (ground->indices);  // 提取地面点的索引

  // 创建提取索引的对象，使用提取器从原始点云中提取出地面点
  pcl::ExtractIndices<pcl::PointXYZ> extract;
  extract.setInputCloud (cloud);  // 设置输入点云
  extract.setIndices (ground);  // 设置要提取的索引（地面点）
  extract.filter (*cloud_filtered);  // 提取地面点到cloud_filtered

  // 输出地面点云数据的大小
  std::cerr << "Ground cloud after filtering: " << std::endl;
  std::cerr << *cloud_filtered << std::endl;

  // 创建PCD写入器对象，将过滤后的地面点云保存为新的PCD文件
  pcl::PCDWriter writer;
  writer.write<pcl::PointXYZ> ("samp11-utm_ground.pcd", *cloud_filtered, false);

  // 提取非地面点（即物体点）
  extract.setNegative (true);  // 设置提取非地面点
  extract.filter (*cloud_filtered);  // 提取非地面点到cloud_filtered

  // 输出物体点云数据的大小
  std::cerr << "Object cloud after filtering: " << std::endl;
  std::cerr << *cloud_filtered << std::endl;

  // 保存非地面点云数据到PCD文件
  writer.write<pcl::PointXYZ> ("samp11-utm_object.pcd", *cloud_filtered, false);

  return (0);  // 返回0，表示程序正常结束
}

创建CMakeLists.txt

cmake_minimum_required(VERSION 3.5 FATAL_ERROR)

project(bare_earth)

find_package(PCL 1.7.2 REQUIRED)

include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})

add_executable (bare_earth bare_earth.cpp)
target_link_libraries (bare_earth ${PCL_LIBRARIES})

编译运行

mkdir build && cd build
cmake ..
make
./bare_earth

结果

Cloud before filtering:
points[]: 38010
width: 38010
height: 1
is_dense: 1
sensor origin (xyz): [0, 0, 0] / orientation (xyzw): [0, 0, 0, 1]

Ground cloud after filtering:
points[]: 18667
width: 18667
height: 1
is_dense: 1
sensor origin (xyz): [0, 0, 0] / orientation (xyzw): [0, 0, 0, 1]

Object cloud after filtering:
points[]: 19343
width: 19343
height: 1
is_dense: 1
sensor origin (xyz): [0, 0, 0] / orientation (xyzw): [0, 0, 0, 1]