StatisticOutLierRemoval 滤波器

//
// Created by xuming on 21-5-27.
//

#include <iostream>
#include <vector>
#include <ctime>
#include <pcl-1.11/pcl/io/pcd_io.h>
#include <pcl-1.11/pcl/point_types.h>
#include <pcl-1.11/pcl/filters/statistical_outlier_removal.h>


/*!
 * 统计分析技术，从一个点云数据集中，移除测量噪声点.
 *  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洗漱的离群点
 *  使用效果更糟糕，估计点云局部特征，（例如采样点处的大向量或曲率变化率）
 *  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，并修剪掉一些不符合一定标准的点 我们的稀疏离群点，
 *  移除方法基于在输入数据中对点到距离临近点的分布的计算.　对每个点，我们计算它的所有临近点的平均距离.
 *  假设得到的一个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之外的点，
 *  可被定义为离群点兵可从数据集中移除
 *
 */


int main()
{

    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);

    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered (new pcl::PointCloud<pcl::PointXYZ>);


    pcl::PCDReader reader;
    // 把路径改为自己存放的路径
    reader.read("table_scene_lms400.pcd",*cloud);

    std::cout << "PointCloud before filtering: "
              << cloud->width * cloud->height
              << " data points ("
              << pcl::getFieldsList (*cloud)
              << ")."
              << std::endl;


    pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;      // 创建滤波对象
    sor.setInputCloud(cloud);           // 设置待滤波的点云
    sor.setMeanK(50);                   // 设置正在济宁统计时考虑查询点临近点
    sor.setStddevMulThresh(1.0);        // 判断是否为离群点的阈值
    sor.filter(*cloud_filtered);        // 执行滤波处理保存内点到 cloud_filtered

    std::cout << "PointCloud after filtering: "
              << cloud_filtered->width * cloud_filtered->height
              << " data points ("
              << pcl::getFieldsList (*cloud_filtered)
              << ")."
              << std::endl;

    // 最后将点云写入磁盘并输出
    pcl::PCDWriter writer;
    writer.write("table_scene_lms400_lms400_inliers.pcd", *cloud_filtered, false);
    return 0;
}

滤波之前

滤波之后