【PCL】Segmentation 模块—— 模型离群值去除（ModelOutlierRemoval）

模型离群值去除ModelOutlierRemoval 是 PCL（Point Cloud Library）中的一个过滤器，用于从点云中移除“异常值”（outliers）。这些异常值通常指的是离群点，它们通常是由于噪声、误差或者其他不相关因素引入的。

1、ModelOutlierRemoval的工作原理

该滤波器的核心思想是，通过与一个模型（比如平面、球体、圆柱等）对比，判断哪些点是“异常的”或“离群的”。如果一个点距离该模型的拟合程度较差（即该点偏离模型的预测值较远），则被认为是异常点，可以将其移除。

2、常用的模型

• 平面模型：点云中的点可以拟合为一个平面，若点远离该平面则被视为异常。
• 球体模型：点云可以拟合为一个球体，远离球体表面的点被认为是异常。
• 圆柱模型：点云拟合为一个圆柱体，远离圆柱体表面的点被视为异常。
• 线性模型：点云拟合为一条直线，远离直线的点被认为是异常。

3、代码示例

以下是一个简单的示例代码，展示了如何使用 ModelOutlierRemoval 来移除异常点：

创建model_outlier_removal.cpp

#include <iostream>
#include <pcl/point_types.h>          // 包含点云数据类型定义
#include <pcl/filters/model_outlier_removal.h>  // 包含模型异常值移除滤波器

int main() 
{
   
  // 创建点云对象，用于存储原始点云数据和过滤后的点云数据
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_sphere_filtered(new pcl::PointCloud<pcl::PointXYZ>);

  // 1. 生成点云数据
  std::size_t noise_size = 5;         // 定义噪声点的数量
  std::size_t sphere_data_size = 10;  // 定义球面点的数量
  cloud->width = noise_size + sphere_data_size;  // 设置点云的总宽度
  cloud->height = 1;                  // 点云高度为1（表示一个单行点云）
  cloud->points.resize(cloud->width * cloud->height);  // 根据宽度和高度调整点云的大小

  // 1.1 添加噪声点
  for (std::size_t i = 0; i < noise_size; ++i)
  {
   
    // 为噪声点生成随机坐标，范围在0到1024之间