WP的博客

官方文档：https://pcl-tutorials.readthedocs.io/en/latest/remove_outliers.html#remove-outliers半径滤波：用户指定邻居的个数，要每个点必须在指定半径内具有指定个邻居才能保留在PointCloud中。例如，如果指定了1个邻居，则只会从PointCloud中删除半径范围内一个邻近都没有的点。如果指定了2个邻居，则从PointCloud中删除半径范围内邻居个数小于2个的点。代码实现：#include <ios

官方文档：https://pcl-tutorials.readthedocs.io/en/latest/statistical_outlier.html#statistical-outlier-removal理论：激光扫描通常会生成不同点密度的点云数据集。此外，测量误差会导致稀疏的异常值，从而进一步破坏结果。这会使局部点云特征（例如表面法线或曲率变化）的估计复杂化，从而导致错误的值，进而可能导致点云配准失败。通过对每个点的邻域进行统计分析，并对不符合特定条件的部分进行修整，可以解决其中一些不规则现象

通过体素网格实现降采样，可以减少点数量的同时，保证点云的形状特征，可以提高配准、曲面重建、形状识别等算法的速度，并保证准确性。官方文档：https://pcl-tutorials.readthedocs.io/en/latest/voxel_grid.html#voxelgrid#include <iostream>#include <pcl/io/io.h>#include <pcl/io/pcd_io.h>#include <pcl/filter

PassThrough 实现对用户给定点云某个字段的限定下，对点云进行简单的基本过滤，例如限制过滤掉点云中所有 X 字段不在某个范围内的点，该类的使用比较灵活但完全取决于用户的限定字段和对应条件//// Created by wp on 20-8-4.// 直通滤波//#include <iostream>#include <pcl/io/io.h>#include <pcl/filters/passthrough.h>#include <.

此处不细细讲解，只做简单构造k-d Tree选轴策略：1.依次X，Y，Z....K轴划分2.按方差大的轴划分，及数据分散的轴3.按数据差值大的轴划分（本文以此策略划分）构造k-d Treedef get_kdtree(tree_list): list_lend = len(tree_list) if list_lend == 0: return None elif list_lend == 1: return {"va.

此方式为源码安装,最安全稳定1.准备编译环境及工具sudo apt-get updatesudo apt-get install git build-essential linux-libc-devsudo apt-get install cmake cmake-gui sudo apt-get install libusb-1.0-0-dev libusb-dev libudev-devsudo apt-get install mpi-default-dev openmpi-bin op