【PCL】Segmentation 模块—— 渐进式形态学滤波（Progressive Morphological Filtering）

Progressive Morphological Filtering（渐进式形态学滤波） 是一种用于从机载LiDAR（激光雷达）数据中分离地面点与非地面点的滤波算法。该算法通过逐步增大滤波窗口尺寸，并结合高程差阈值，能够有效去除建筑物、车辆、植被等非地面点，同时保留地形特征，生成高精度的数字地形模型（DTM）或数字高程模型（DEM）。

---

1. 算法背景

机载LiDAR技术能够快速、低成本地获取大范围的高精度地形数据。然而，LiDAR点云中不仅包含地面点，还包含建筑物、车辆、植被等非地面点。为了生成高精度的DTM/DEM，需要将这些非地面点从点云中分离出来。Progressive Morphological Filtering 正是为解决这一问题而设计的。

---

2. 核心原理

2.1 形态学滤波基础

形态学滤波基于数学形态学中的**膨胀（Dilation）和腐蚀（Erosion）**操作：

• 膨胀：在窗口内选择最大高程值，用于扩大地物特征。
• 腐蚀：在窗口内选择最小高程值，用于缩小地物特征。
• 开操作：先腐蚀后膨胀，用于去除细小地物（如树木）并保留大型地物（如建筑物）。

2.2 渐进式滤波

传统形态学滤波使用固定窗口尺寸，难以同时处理不同尺寸的地物（如小汽车和大型建筑物）。渐进式形态学滤波通过逐步增大窗口尺寸来解决这一问题：

1. 初始窗口：使用较小的窗口去除细小地物（如树木、汽车）。
2. 逐步增大窗口：随着窗口尺寸增大，逐步去除更大的地物（如建筑物）。
3. 高程差阈值：引入高程差阈值，区分地面点与非地面点。地面点的高程变化是渐变的，而非地面点（如建筑物屋顶）的高程变化是突变的。

---

3. 算法流程

1. 点云划分：将不规则点云划分为规则网格，每个网格中选择高程最低点作为初始地面点。
2. 迭代滤波：
   • 使用初始窗口尺寸进行形态学开操作，去除细小地物。
   • 逐步增大窗口尺寸，重复开操作，去除更大尺寸的地物。
   • 根据高程差阈值判断地面点与非地面点。
3. 参数调整：
   • 窗口尺寸：可通过线性或指数增长方式调整。
   • 高程差阈值：根据地形坡度和地物高度动态调整。
4. 输出结果：生成地面点云和非地面点云，用于后续的DTM/DEM生成。

---

4. 参数设置

• 窗口尺寸：决定滤波的粒度，过小会保留过多非地面点，过大会丢失地形细节。
• 高程差阈值：用于区分地面点与非地面点，通常根据地形坡度和地物高度设置。
• 坡度：影响高程差阈值的计算，坡度越大，阈值越高。

---

5. 应用与优化

• 应用场景：广泛应用于地形建模、洪水模拟、滑坡预测等领域。
• 优化方法：
  • 多线程加速：如PCL库中的ApproximateProgressiveMorphologicalFilter，通过多线程提高计算效率。
  • 参数调优：根据具体场景调整窗口尺寸和高程差阈值，以获得最佳滤波效果。

---

6. 代码示例

以下是PCL库中Progressive Morphological Filtering的简单实现，代码读取点云数据，应用渐进式形态学滤波，并输出地面点云。

• 读取PCD文件：使用 pcl::PCDReader 读取点云数据。
• 应用渐进形态滤波器：使用 pcl::ProgressiveMorphologicalFilter 提取地面点。
• 提取地面点并保存：通过 pcl::ExtractIndices 从原始点云中提取地面点并保存到一个新的 PCD 文件。
• 提取非地面点并保存：通过设置 setNegative(true)，提取非地面点并保存到另一个新的 PCD 文件。

创建bare_earth.cpp

#include <iostream>
#include <pcl/io/pcd_io.h>  // 用于读取和写入PCD文件
#include <pcl/point_types.h> // 用于点云数据类型