PCL点云滤波函数

最新推荐文章于 2025-01-18 08:39:51 发布

原创最新推荐文章于 2025-01-18 08:39:51 发布 · 823 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#PCL滤波 #点云滤波 #点云采样

PCL 专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍点云数据预处理的四种关键方法：直通滤波器、统计滤波器、半径滤波器和体素滤波器，分别用于粗处理、去除离群点和向下采样，有效提升点云数据质量。

文章目录

1 直通滤波器（粗处理，确定xy方向范围）：
2 统计滤波器（去除离群点）：
3 半径滤波器（去除离群点）：
4体素滤波器：

1 直通滤波器（粗处理，确定xy方向范围）：

如果使用线结构光扫描的方式采集点云，必然物体沿z向分布较广，但x,y向的分布处于有限范围内。此时可使用直通滤波器，确定点云在x或y方向上的范围，可较快剪除离群点，达到第一步粗处理的目的。

 pcl::PassThrough<pcl::PointXYZ> pass;
 pass.setInputCloud (cloud); 
 pass.setFilterFieldName ("z");
  pass.setFilterLimits (0.0, 1.0);  
 //pass.setFilterLimitsNegative (true); 
  pass.filter (*cloud_filtered);

2 统计滤波器（去除离群点）：

统计(statistic)滤波器用于去除明显离群点（离群点往往由测量噪声引入）。其特征是在空间中分布稀疏，可以理解为：每个点都表达一定信息量，某个区域点越密集则可能信息量越大。噪声信息属于无用信息，信息量较小。所以离群点表达的信息可以忽略不计。考虑到离群点的特征，则可以定义某处点云小于某个密度，既点云无效。计算每个点到其最近的k个点平均距离。则点云中所有点的距离应构成高斯分布。给定均值与方差，可剔除3∑之外的点。

pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;  //创建滤波器对象  
sor.setInputCloud (cloud);  
sor.setMeanK (50);   
//大于x倍标准方差的点滤除。 standard deviation标准偏差, 1-0.68 2-0.95 3-0.997
sor.setStddevMulThresh (1.0);   
 sor.filter(*cloud_filtered);

3 半径滤波器（去除离群点）：

半径滤波器与统计滤波器相比更加简单粗暴。以某点为中心画一个圆计算落在该圆中点的数量，当数量大于给定值时，则保留该点，数量小于给定值则剔除该点。此算法运行速度快，依序迭代留下的点一定是最密集的，但是圆的半径和圆内点的数目都需要人工指定。

pcl::RadiusOutlierRemoval<pcl::PointXYZ> outrem;   
outrem.setInputCloud(cloud);   
outrem.setRadiusSearch(0.8);   
outrem.setMinNeighborsInRadius (2);   // apply filter  
 outrem.filter (*cloud_filtered);

4体素滤波器：

如果使用高分辨率相机等设备对点云进行采集，往往点云会较为密集。过多的点云数量会对后续分割工作带来困难。体素格滤波器可以达到向下采样同时不破坏点云本身几何结构的功能。点云几何结构不仅是宏观的几何外形，也包括其微观的排列方式，比如横向相似的尺寸，纵向相同的距离。随机下采样虽然效率比体素滤波器高，但会破坏点云微观结构。
```
pcl::VoxelGrid<pcl::PCLPointCloud2> sor; 
sor.setInputCloud (cloud);
sor.setLeafSize (0.01f, 0.01f, 0.01f);
sor.filter (*cloud_filtered);      
```