PCL点云滤波

1. 需要进行滤波的4种情况

1 点云数据密度不规则
2 离群点(比如由于遮挡等原因噪声的)
3 下采样
4 噪声

2. PCL滤波中的类(32)和函数(5)

类class pcl::ApproximateVoxelGrid<PointT>
该类根据给定的点云生成三维体素栅格,并利用栅格的中心店近似替代该栅格中的所有点,以此完成降采样,得到滤波效果.
用途:海量数据压缩,滤波,尤其是在特征提取中,选择合适的体素大小可以极大提高效率.
类成员函数:设置栅格大小,设置是否对所有字段(XYZRGBA等)进行下采样等.

1.双边滤波 class pcl::BilateralFilter<PointT>

图像处理中的双边滤波可以较好的保留边界信息
(注:高斯滤波按照距离中心店的远近设置权种,越近则权重越大;
而双边滤波是按照卷积核中元素强度值与中心点强度的近似情况来设置权重,强度值越相近,则该点权重越大 ---顾双边滤波能更好的保留边界信息)
同样,在pcl三维点云滤波中,也是按照强度值来进行滤波的--故要求点云信息中必须包含强度数据
关键成员函数列举:

void applyFilter(&output) 对数据点云进行滤波,并输出到output中存储结果
double computePointWeight(pid,vector<points_index>,vector<points_dist>)

2.类BoxClipper3D<pointT>

3.Clipper3D

4. class pcl::ConditionalRemoval<PointT>

用户自定义规则,以规律符合条件的点,非常灵活
关键成员函数:

void setKeepOrganized(bool) 是否保留滤波后被删除的点(比如可以直接删除(false),或设置用户自定义值(true) setUserFilterValue(float)
setCondition(ConditionBasePtr condition) 设置滤波条件(具体使用待查)

5. 类卷积滤波 class pcl::filters::Convolution<PointT,PointOut>

实现卷积滤波的功能
关键成员函数

void setKernal(const Eigen::ArrayXf & kernal) 设置卷积核(Eigen::Array格式)
void setBordersPolicy(int policy) 设置边缘处理方式 (-1:0处理;0:镜像处理;1:扩展处理,赋值附近的点值)
void setDistanceThreshold(float) 设置卷积时行列相邻点之间的最大距离阈值
void setNumberOfThreads(int) 设置线程数(值-1表示不限制)
void convolveRows(&out) 行卷积实现
void convolveCols(&out) 列卷积实现
void convolve(&out) 先行再列卷积

7. 高斯滤波class pcl::filters::GaussianKernal<PointT,PointTout>

相当于一个具有平滑性能的低通滤波器
关键函数

void setSigma(float) 设置高斯标准差(决定了函数的宽度)
setThresholdRelativeToSigma(float)
setThreshold(float)

8. 基于颜色的高斯滤波pcl::filters::GaussianKernalRGB<in,out>

同时考虑XYZ和RGB

9. pcl::CropBox<PointT>

删除用户给定空间内的点

10. pcl::CropHull<PointT>

14 pcl::Filter<PointT>

24. 简单删除离群点class pcl::RadiusOutlierRemoval<PointT>

即如果一个点在radius半径内少于k个点,那么就认为该点是离群点

setRadiusSearch(double radius)
setMinNeighborsInRadius(int k)

26. 均匀概率随机抽样 pcl::RandomSample<PointT>

应用实例

使用直通滤波器对点云进行滤波

指定某一维度进行滤波,即去掉用户指定范围内的点 --大范围截取ROI

pcl::PassThroudh<pcl::PointXYZ> pass;  //设置滤波器对象
pass.setInputCloud(cloud);
pass.setFilterFieldName("z");  //设置对那个维度进行过滤
pass.setFilterLimits(0.0,1.0); // 设置过滤值范围
// pass.setFilterLimitsNegative(true); //设置保留范围内的害死过滤掉范围内的
pass.filter(*out_cloud);  // 执行
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,911评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,014评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 142,129评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,283评论 1 264
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,159评论 4 357
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,161评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,565评论 3 382
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,251评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,531评论 1 292
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,619评论 2 310
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,383评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,255评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,624评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,916评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,199评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,553评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,756评论 2 335