【PCL-7】PCL统计滤波

该博客介绍了如何在PCL中使用统计学离群点移除(StatisticalOutlierRemoval,SOR)进行数据预处理,通过RANSAC平面分割后,利用Sor滤除离散点,结果展示了离群点的有效去除。
摘要由CSDN通过智能技术生成

 【PCL-1】RANSAC平面分割_pcl ransac平面_WXG1011的博客-CSDN博客

这篇博客已介绍直通滤波与体素滤波,这里主要记录统计滤波。

统计滤波是遍历计算各测点与其领域点的平均距离,以此为标量,假设为高斯正态分布,按标准差去除离群点。

官方文档

示例代码:

#include <pcl/filters/statistical_outlier_removal.h>
...
pcl::PointCloud<pcl::PointXYZL>::Ptr lccp_labeled_cloud = sv_labeled_cloud->makeShared();
...

//统计滤波
// 创建统计学离群点移除过滤器
pcl::PointCloud<pcl::PointXYZL>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZL>);
pcl::StatisticalOutlierRemoval<pcl::PointXYZL> sor;
sor.setInputCloud(lccp_labeled_cloud);
// 设置过滤邻域K
sor.setMeanK(50);
// 设置标准差的系数, 值越大,丢掉的点越少
sor.setStddevMulThresh(1.0f);
sor.filter(*cloud_filtered);

//取反,保存被过滤掉的点云
sor.setNegative (true);
sor.filter(*cloud_filtered);
pcl::io::savePCDFileASCII("E:\\testdata\\1.pcd", *cloud_filtered);

 运行结果:

可以明显的看到一些离散的点已经被去除。 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pcl和matlab都可以进行统计滤波,但它们之间存在一些区别。首先,pcl是一种开源的点云库,被广泛应用于点云数据处理和分析。而matlab是一种数学软件,具有强大的计算能力和丰富的工具箱,可用于各种科学计算和数据处理任务。 从算法实现的角度来看,pcl的统计滤波是基于KD树的快速邻域搜索算法,通过计算每个点的邻域点的统计特征(如均值和标准差),来判断当前点是否为离群点。而matlab的统计滤波则是基于窗口的滑动统计方法,以滑动窗口为单位计算窗口内点的统计特征,并将窗口内均值与当前点进行比较,来判断当前点是否为离群点。 另外,pcl的统计滤波还提供了一些参数,例如窗口大小、邻域点数量阈值等,可以根据具体应用场景进行调整。而matlab的统计滤波在一些工具箱中提供了一些预设的方法和函数,只需要将数据输入函数中即可实现滤波操作。 此外,由于pcl是专门用于点云数据处理的库,它在处理点云数据时具有更高的效率和速度。而matlab是一个通用的计算软件,因此在处理点云数据时可能会相对慢一些。 总结来说,pcl和matlab统计滤波算法实现和使用方式上存在一些区别。pcl更加专注于点云处理,具有高效的算法和丰富的参数调整选项,而matlab则更加通用,适用于各种数据处理任务。具体选择哪种方法取决于实际应用需求和所处理的数据类型。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值