本文主要介绍五中点云滤波方法:直通滤波器、体素滤波器、统计滤波器、条件滤波器、半径滤波器。
噪声点与离群点。在获取点云数据时,由于设备精度、操作者经验、环境因素等带来的影响,以及电磁波衍射特性、被测物体表面性质变化和数据拼接配准操作过程的影响,点云数据中将不可避免地出现一些噪声点,属于随机误差。除此之外,由于受到外界干扰如视线遮挡,障碍物等因素的影响,点云数据中往往存在着一些距离主题点云较远的离散点,即离群点。
离群点
点云处理中滤波目的。滤波处理作为点云处理的第一步,对后续处理有很重要。只有在滤波处理流程中将噪声点、离群点、空洞、数据压缩等按照后续处理定制,才能更好地进行配准、特征提取、曲面重建、可视化等后续应用处理。点云数据集中每一个点表达一定的信息量,某个区域点越密集有用的信息量越大。孤立的离群点信息量较小,其表达的信息量可以忽略不计。
滤波器介绍
直通滤波器:对于在空间分布有一定空间特征的点云数据,比如使用线结构光扫描的方式采集点云,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。
体素滤波器:体素的概念类似于像素,使用AABB包围盒将点云数据体素化,一般体素越密集的地方信息越多,噪音点及离群点可通过体素网格去除。另一方面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。
统计滤波器: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。
条件滤波:条件滤波器通过设定滤波条件进行滤波,有点分段函数的味道,当点云在一定范围则留下,不在则舍弃。
半径滤波器: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。
代码实现
- #include<iostream>
- #include<pcl/point_types.h>
- #include<pcl/filters/passthrough.h> //直通滤波器头文件
- #include<pcl/filters/voxel_grid.h> //体素滤波器头文件
- #include<pcl/filters/statistical_outlier_removal.h> //统计滤波器头文件
- #include <pcl/filters/conditional_removal.h> //条件滤波器头文件
- #include <pcl/filters/radius_outlier_removal.h> //半径滤波器头文件
- int main(int argc, char** argv)
- {
- ///////****************************************************////////////////////
- /*创建点云数据集。*/
- pcl::PointCloud<pcl::PointXYZ>:: Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
- cloud->width = 500;
- cloud->height = 1;
- cloud->points.resize(cloud->width*cloud->height);
- std:: cout << "创建原始点云数据" << std:: endl;
- for ( size_t i = 0; i < cloud->points.size(); ++i)
- {
- cloud->points[i].x = 1024 * rand() / (RAND_MAX + 1.0f);
- cloud->points[i].y = 1024 * rand() / (RAND_MAX + 1.0f);
- cloud->points[i].z = 1024 * rand() / (RAND_MAX + 1.0f);
- }
- for ( size_t i = 0; i < cloud->points.size(); i++)
- {
- std:: cerr << " " << cloud->points[i].x << " "
- << cloud->points[i].y << " "
- << cloud->points[i].z << std:: endl;
- }
- std:: cout << "原始点云数据点数:" << cloud->points.size()<< std:: endl << std:: endl;
- ///////****************************************************////////////////////
- ///////****************************************************////////////////////
- /*方法一:直通滤波器对点云进行处理。*/
- pcl::PointCloud<pcl::PointXYZ>:: Ptr cloud_after_PassThrough(new pcl::PointCloud<pcl::PointXYZ>); //
- pcl::PassThrough<pcl::PointXYZ> passthrough;
- passthrough.setInputCloud(cloud); //输入点云
- passthrough.setFilterFieldName( "z"); //对z轴进行操作
- passthrough.setFilterLimits( 0.0, 400.0); //设置直通滤波器操作范围
- //passthrough.setFilterLimitsNegative(true);//true表示保留范围内,false表示保留范围外
- passthrough.filter(*cloud_after_PassThrough); //执行滤波,过滤结果保存在 cloud_after_PassThrough
- std:: cout << "直通滤波后点云数据点数:" << cloud_after_PassThrough->points.size() << std:: endl;
- ///////****************************************************////////////////////
- ///////****************************************************////////////////////
- /*方法二:体素滤波器实现下采样*/
- pcl::PointCloud<pcl::PointXYZ>:: Ptr cloud_after_voxelgrid(new pcl::PointCloud<pcl::PointXYZ>); //
- pcl::VoxelGrid<pcl::PointXYZ> voxelgrid;
- voxelgrid.setInputCloud(cloud); //输入点云数据
- voxelgrid.setLeafSize( 10.0f, 10.0f, 10.0f); //AABB长宽高
- voxelgrid.filter(*cloud_after_voxelgrid);
- std:: cout << "体素化网格方法后点云数据点数:" << cloud_after_voxelgrid->points.size() << std:: endl;
- ///////****************************************************////////////////////
- ///////****************************************************////////////////////
- /*方法三:统计滤波器滤波*/
- pcl::PointCloud<pcl::PointXYZ>:: Ptr cloud_after_StatisticalRemoval(new pcl::PointCloud<pcl::PointXYZ>); //
- pcl::StatisticalOutlierRemoval<pcl::PointXYZ> Statistical;
- Statistical.setInputCloud(cloud);
- Statistical.setMeanK( 20); //取平均值的临近点数
- Statistical.setStddevMulThresh( 5); //临近点数数目少于多少时会被舍弃
- Statistical.filter(*cloud_after_StatisticalRemoval);
- std:: cout << "统计分析滤波后点云数据点数:" << cloud_after_StatisticalRemoval->points.size() << std:: endl;
- ///////****************************************************////////////////////
- ///////****************************************************////////////////////
- /*方法四:条件滤波器*/
- pcl::PointCloud<pcl::PointXYZ>:: Ptr cloud_after_Condition(new pcl::PointCloud<pcl::PointXYZ>);
- pcl::ConditionAnd<pcl::PointXYZ>:: Ptr range_condition(new pcl::ConditionAnd<pcl::PointXYZ>());
- range_condition->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr( new
- pcl::FieldComparison<pcl::PointXYZ>( "z", pcl::ComparisonOps::GT, 0.0))); //GT表示大于等于
- range_condition->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr( new
- pcl::FieldComparison<pcl::PointXYZ>( "z", pcl::ComparisonOps::LT, 0.8))); //LT表示小于等于
- pcl::ConditionalRemoval<pcl::PointXYZ> condition;
- condition.setCondition(range_condition);
- condition.setInputCloud(cloud); //输入点云
- condition.setKeepOrganized( true);
- condition.filter(*cloud_after_Condition);
- std:: cout << "条件滤波后点云数据点数:" << cloud_after_Condition->points.size() << std:: endl;
- ///////****************************************************////////////////////
- ///////****************************************************////////////////////
- /*方法五:半径滤波器*/
- pcl::PointCloud<pcl::PointXYZ>:: Ptr cloud_after_Radius(new pcl::PointCloud<pcl::PointXYZ>);
- pcl::RadiusOutlierRemoval<pcl::PointXYZ> radiusoutlier; //创建滤波器
- radiusoutlier.setInputCloud(cloud); //设置输入点云
- radiusoutlier.setRadiusSearch( 100); //设置半径为100的范围内找临近点
- radiusoutlier.setMinNeighborsInRadius( 2); //设置查询点的邻域点集数小于2的删除
- radiusoutlier.filter(*cloud_after_Radius);
- std:: cout << "半径滤波后点云数据点数:" << cloud_after_Radius->points.size() << std:: endl;
- int a;
- std:: cin >> a;
- return ( 0);
- }
参考文献链接:https://blog.csdn.net/woniu199166/article/details/78625203
https://blog.csdn.net/zkl99999/article/details/44627911
,
本文主要介绍五中点云滤波方法:直通滤波器、体素滤波器、统计滤波器、条件滤波器、半径滤波器。