三、PCL点云处理滤波器----（1）直通滤波器

一、为什么要进行滤波？

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。实际应用中除了这些测量随机误差产生的噪声点之外，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离主体点云较远的离散点，即离群点。不同的获取设备点云噪声结构也有不同。

二、滤波的功能：

通过滤波完成的功能还包括孔洞修复、最小信息损失的海量点云数据压缩处理等 。在点云处理流程中滤波处理作为预处理的第一步，往往对后续处理流程影响很大，只有在滤波预处理中将噪声点、离群点、孔洞、数据压缩等 按照后续需求处理，才能够更好地进行配准、特征提取、曲面重建、可视化等后续流程。

三、直通滤波器：

直通滤波器主要的使用过程：

1、创建待处理点云对象，以及存储点云处理完成后的点云对象。
2、设置点云的容量：宽+高+长×宽；
3、设置点云内所有点的xyz坐标；
4、创建PassThroughFilter对象，并设置其滤波参数。
5、将待处理点云对象作为filter的输入进行滤波；
6、得到结果：在filter对象设置的x,y,z的范围之内的点将被保留，范围之外的点将被舍弃，实现直通滤波的功能

直通滤波器的作用：根据点云的属性在点的属性上设置范围，对点进行滤波，保留范围内的或保留范围外的.

通俗讲：点云数据有xyz三维坐标，选择一个方向的维度的数据，设置一个范围，在这个范围中的点云会被保留，不在此范围内的点云会被去除掉

（ 1 ）指定一个维度以及该维度下的值域

（2）遍历点云中的每个点，判断该点在指定维度上的取值

是否在值域内，删除取值不在值域内的点

（3）遍历结束，留下的点即构成滤波后的点云。

直通滤波器核心代码：

    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);	//滤波后点云
	pcl::PassThrough<pcl::PointXYZ> pt;	// 创建滤波器对象
	pt.setInputCloud(cloud);			//设置存入点云
	pt.setFilterFieldName("x");			//设置滤波所需字段x
	pt.setFilterLimits(-0.1, 1);		//滤除在z轴方向上不在-0.1-1范围内的所有点
	pt.setFilterLimitsNegative(false);	//默认false，保留范围内的点云；true，保存范围外的点云
	//pt.setKeepOrganized(true);		//是否保持点云的组织结构（针对结构点云）
   // 上面两行填写true代表滤除(-0.1, 1)范围外的点云；false代表滤除(-0.1, 1)范围内的点云；二者是内外互补；
	pt.filter(*cloud_filtered);			//执行滤波，并将滤波后点云保存到cloud_filtered中

// 存在疑问点：滤波的范围如何选取，如何根据pcd文件来设置直通滤波的范围

完整代码：

#include <pcl/io/pcd_io.h>
#include <pcl/filters/passthrough.h>
#include <pcl/visualization/cloud_viewer.h>

using namespace std;

int main()
{
	//----------------------------------------- 加载点云 ----------------------------------------
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);	//待滤波点云
	if (pcl::io::loadPCDFile("bunny.pcd", *cloud) < 0)
	{
		PCL_ERROR("点云文件不存在！\n");
		system("pause");
		return -1;
	}
	cout << "->加载点云个数：" << cloud->points.size() << endl;
	//==========================================================================================

	//----------------------------------------- 直通滤波 ----------------------------------------
	cout << "->正在进行直通滤波..." << endl;
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);	//滤波后点云
	pcl::PassThrough<pcl::PointXYZ> pt;	// 创建滤波器对象
	pt.setInputCloud(cloud);			//设置输入点云
	pt.setFilterFieldName("x");			//设置滤波所需字段x
	pt.setFilterLimits(-0.1, 1);		//滤除在z轴方向上不在-0.1-1范围内的所有点
	pt.setFilterLimitsNegative(false);	//默认false，保留范围内的点云；true，保存范围外的点云
	//pt.setKeepOrganized(true);		//是否保持点云的组织结构（针对结构点云）
	pt.filter(*cloud_filtered);			//执行滤波，并将滤波后点云保存到cloud_filtered中
	//去除 NaN 点（只针对结构点云。散乱点云不需要）
	//vector<int> Idx;
	//pcl::removeNaNFromPointCloud(*cloud_filtered, *cloud_filtered, Idx);
	//==========================================================================================

	//-------------------------------------- 可视化（可选） -------------------------------------
	pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("滤波前后对比"));

	/*-----原始点云-----*/
	int v1(0);
	viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1); //设置第一个视口在X轴、Y轴的最小值、最大值，取值在0-1之间
	viewer->setBackgroundColor(0, 0, 0, v1); //设置背景颜色，0-1，默认黑色（0，0，0）
	viewer->addText("befor_filtered", 10, 10, "v1_text", v1);
	viewer->addPointCloud<pcl::PointXYZ>(cloud, "befor_filtered_cloud", v1);
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "befor_filtered_cloud", v1);
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1, 0, 0, "befor_filtered_cloud", v1);

	/*-----滤波后点云-----*/
	int v2(0);
	viewer->createViewPort(0.5, 0.0, 1.0, 1.0, v2);
	viewer->setBackgroundColor(0.3, 0.3, 0.3, v2);
	viewer->addText("after_filtered", 10, 10, "v2_text", v2);
	viewer->addPointCloud<pcl::PointXYZ>(cloud_filtered, "after_filtered_cloud", v2);
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "after_filtered_cloud", v2);
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0, 1, 0, "after_filtered_cloud", v2);

	while (!viewer->wasStopped())
	{
		viewer->spinOnce(100);
		//boost::this_thread::sleep(boost::posix_time::microseconds(100000));
        std::this_thread::sleep_for(std::chrono::microseconds(100000));
	}
	//==========================================================================================

	return 0;
}