PCL教程-点云滤波之StatisticalOutlierRemoval滤波器

原文链接:Removing outliers using a StatisticalOutlierRemoval filter

点云数据:table_scene_lms400.pcd

本小节将学习如何使用统计分析技术,从一个点云数据集中移除测量噪声点(也就是离群点)。

背景知识

激光扫描通常会产生密度不均匀的点云数据集。另外,测量中的误差会产生稀疏的离群点,使效果更糟。估计局部点云特征(例如采样点处法向量或曲率变化率)的运算很复杂,这会导致错误的数值,反过来有可能导致点云的配准等后期处理失败。

以下方法可以解决其中部分问题:

对每个点的邻域进行一个统计分析,并修剪掉那些不符合一定标准的点。我们的稀疏离群点移除方法基于在输人数据中对点到临近点的距离分布的计算。对每个点,我们计算它到它的所有临近点的平均距离。假设得到的结果是一个高斯分布,其形状由均值和标准差决定,平均距离在标准范围(由全局距离平均值和方差定义)之外的点,可被定义为离群点并可从数据集中去除掉。


下图展示了稀疏离群点分析和去除的效果:原始数据集显示在左边,结果数据集显示在右边。图中显示了滤波前后点邻域的平均k近邻距离。
 

    程序代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/statistical_outlier_removal.h>
#include<pcl/visualization/pcl_visualizer.h>
int
main(int argc, char** argv)
{
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
	// 填入点云数据
	pcl::PCDReader reader;
	// 把路径改为自己存放文件的路径
	reader.read<pcl::PointXYZ>("table_scene_lms400.pcd", *cloud);
	std::cerr << "Cloud before filtering: " << std::endl;
	std::cerr << *cloud << std::endl;
	// 创建滤波器对象
	pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
	sor.setInputCloud(cloud);//设置待滤波的点云
	sor.setMeanK(50);//设置在进行统计时考虑查询点邻居点数
	sor.setStddevMulThresh(1.0);//设置判断是否为离群点的阈值
	sor.filter(*cloud_filtered);//将滤波结果保存在cloud_filtered中
	std::cerr << "Cloud after filtering: " << std::endl;
	std::cerr << *cloud_filtered << std::endl;
	pcl::PCDWriter writer;
	writer.write<pcl::PointXYZ>("table_scene_lms400_inliers.pcd", *cloud_filtered, false);
	sor.setNegative(true);


	pcl::visualization::PCLVisualizer viewer("statistic removal");
	int v1(1);
	int v2(2);
	//创建视窗
	viewer.createViewPort(0, 0, 0.5, 1, v1);
	viewer.createViewPort(0.5, 0, 1, 1, v2);

	viewer.addPointCloud(cloud, "cloud", v1);
	viewer.addPointCloud(cloud_filtered, "cloud_filtered", v2);

	sor.filter(*cloud_filtered);
	writer.write<pcl::PointXYZ>("table_scene_lms400_outliers.pcd", *cloud_filtered, false);
	while (!viewer.wasStopped())
	{
		viewer.spinOnce();
	}

	return (0);
}

首先创建了一个pcl : : StatisticalOutlierRemoval滤波器,将对每个点分析的临近点个数设为50,并将标准差倍数设为1,这意味着如果一个点的距离超出平均距离一个标准差以上,则该点被标记为离群点,并将被移除。计算后的输出结果储存在cloud_ filtered中。

	// 创建滤波器对象
	pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
	sor.setInputCloud(cloud);//设置待滤波的点云
	sor.setMeanK(50);//设置在进行统计时考虑查询点邻居点数
	sor.setStddevMulThresh(1.0);//设置判断是否为离群点的阈值
	sor.filter(*cloud_filtered);//将滤波结果保存在cloud_filtered中

实验结果

左图为原始点云,右图为去除离群点之后的点云,可以看到一些噪点被去除干净:


原始点云: 

 经统计学滤波后的点云:

 被剔除的离群点:

打印结果: 

Cloud before filtering:
points[]: 460400
width: 460400
height: 1
is_dense: 1
sensor origin (xyz): [0, 0, 0] / orientation (xyzw): [0, 0, 0, 1]

Cloud after filtering:
points[]: 451410
width: 451410
height: 1
is_dense: 1
sensor origin (xyz): [0, 0, 0] / orientation (xyzw): [0, 0, 0, 1]

  • 7
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PCL(点云库)是一种用于处理三维点云数据的开源库。在PCL中,点云滤波是一种通过对点云数据进行处理来去除噪音和无效点的方法。下面是一个示例代码,用于使用PCL进行离群点滤波和统计滤波。 首先,需要包含PCL库的头文件: ```cpp #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/filters/statistical_outlier_removal.h> #include <pcl/filters/voxel_grid.h> ``` 然后,定义一个主函数,在其中读取点云数据文件并应用滤波器: ```cpp int main() { // 创建点云数据对象 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); // 从磁盘读取点云数据文件 if (pcl::io::loadPCDFile<pcl::PointXYZ>("/path/to/pointcloud.pcd", *cloud) == -1) { PCL_ERROR("Couldn't read file!"); return -1; } // 创建离群点滤波器对象 pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor; sor.setInputCloud(cloud); sor.setMeanK(50); // 用于计算每个点邻域的均值的点数 sor.setStddevMulThresh(1.0); // 标准差倍数阈值 sor.filter(*cloud); // 应用滤波器 // 创建体素(体素网格)滤波器对象 pcl::VoxelGrid<pcl::PointXYZ> vg; vg.setInputCloud(cloud); vg.setLeafSize(0.01, 0.01, 0.01); // 设置体素的大小 vg.filter(*cloud); // 应用滤波器 // 输出滤波后的点云数据 std::cout << "Filtered point cloud contains " << cloud->size() << " data points." << std::endl; return 0; } ``` 上述代码首先创建了一个点云数据对象,并从磁盘读取点云数据文件。然后,创建了一个离群点滤波器对象,并设置相关参数。接着,将点云数据传递给离群点滤波器,并应用滤波器进行滤波。之后,创建了一个体素滤波器对象,并设置相关参数。将点云数据传递给体素滤波器,并应用滤波器进行滤波。最后,输出滤波后的点云数据的数量。 这段代码演示了如何使用PCL进行点云滤波。在实际应用中,可以根据特定需求选择不同的滤波方法和参数进行更精确的处理

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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