点云库PCL学习笔记 -- 点云滤波Filtering -- 6. ConditionalRemoval 条件滤波 和 RadiusOutlierRemoval 半径滤波

---

相关知识点

下面的图片有助于可视化RadiusOutlierRemovement过滤器对象的功能。用户指定多个邻居，每个索引必须在指定半径内具有这些邻居才能保留在点云中。例如，如果指定了1个邻居，则仅从点云中删除黄点。如果指定了两个相邻点，则黄色和绿色点都将从点云中删除。

---

1. ConditionalRemoval 条件滤波 和 RadiusOutlierRemoval 半径滤波代码

ConditionalRemoval 条件滤波 和 RadiusOutlierRemoval 半径滤波代码remove_outliers.cpp

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/filters/radius_outlier_removal.h>
#include <pcl/filters/conditional_removal.h>

int
 main (int argc, char** argv)
{
  //确保输入的参数
  if (argc != 2)
  {
    std::cerr << "please specify command line arg '-r' or '-c'" << std::endl;
    exit(0);
  }
  
  //
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered (new pcl::PointCloud<pcl::PointXYZ>);

  //使用随机数生成点云数据
  cloud->width  = 10;
  cloud->height = 1;
  cloud->resize (cloud->width * cloud->height);

  for (auto& point: *cloud)
  {
    point.x = 1024 * rand () / (RAND_MAX + 1.0f);
    point.y = 1024 * rand () / (RAND_MAX + 1.0f);
    point.z = 1024 * rand () / (RAND_MAX + 1.0f);
  }

  // RadiusOutlierRemoval 滤波器
  if (strcmp(argv[1], "-r") == 0){
    pcl::RadiusOutlierRemoval<pcl::PointXYZ> outrem;	//创建 RadiusOutlierRemoval 滤波器对象
    // build the filter
    outrem.setInputCloud(cloud);						//设置输入点云
    outrem.setRadiusSearch(0.8);						//设置在 0.8 半径的范围内找近邻点
    outrem.setMinNeighborsInRadius (2);					//设置查询点的邻近点集数小于 2 的删除
    outrem.setKeepOrganized(true);						//设置保持为结构点云
    // apply filter
    outrem.filter (*cloud_filtered);					//执行半径滤波，结果存储在 cloud_filtered
  }
  else if (strcmp(argv[1], "-c") == 0){
    //创建条件限定的下的滤波器
    pcl::ConditionAnd<pcl::PointXYZ>::Ptr range_cond (new
      pcl::ConditionAnd<pcl::PointXYZ> ());

    //为条件定义对象添加比较算子
    // GT greater than
    // EQ equal
    // LT less than
    // GE greater than or equal
    // LE less than or equal
    
    //添加在Z字段上大于 0 的比较算子
    range_cond->addComparison (pcl::FieldComparison<pcl::PointXYZ>::ConstPtr (new pcl::FieldComparison<pcl::PointXYZ> ("z", pcl::ComparisonOps::GT, 0.0)));
    //添加在Z字段上小于 0.8 的比较算子
    range_cond->addComparison (pcl::FieldComparison<pcl::PointXYZ>::ConstPtr (new pcl::FieldComparison<pcl::PointXYZ> ("z", pcl::ComparisonOps::LT, 0.8)));
      
    // build the filter
    pcl::ConditionalRemoval<pcl::PointXYZ> condrem;		//创建 ConditionalRemoval 条件滤波器
    condrem.setCondition (range_cond);					//用条件定义进行初始化,大于0.0小于0.8这两个条件用于建立滤波器
    condrem.setInputCloud (cloud);						//设置输入点云
    condrem.setKeepOrganized(true);						//设置保持为结构点云，如果设置为true且不设置setUserFilterValue的值，则用nan填充点云
    // apply filter
    condrem.filter (*cloud_filtered);					//执行条件滤波，结果存储在 cloud_filtered
  }
  else{
    std::cerr << "please specify command line arg '-r' or '-c'" << std::endl;
    exit(0);
  }

  //打印输出滤波前的点云数据信息
  //for (size_t i = 0; i < cloud->points.size(); ++i)
  std::cerr << "Cloud before filtering: " << std::endl;
  for (const auto& point: *cloud)
    std::cerr << "    " << point.x << " "
                        << point.y << " "
                        << point.z << std::endl;
  
  //打印输出滤波后的点云数据信息
  //for (size_t i = 0; i < cloud_filtered->points.size(); ++i)
  std::cerr << "Cloud after filtering: " << std::endl;
  for (const auto& point: *cloud_filtered)
    std::cerr << "    " << point.x << " "
                        << point.y << " "
                        << point.z << std::endl;
  return (0);
}

---

2. 编译文件

设置编译文件CMakeLists.txt

cmake_minimum_required(VERSION 2.8 FATAL_ERROR)

project(remove_outliers)
find_package(PCL 1.2 REQUIRED)

include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})

add_executable (remove_outliers remove_outliers.cpp)
target_link_libraries (remove_outliers ${PCL_LIBRARIES})

---

编译

mkdir build
cd build/
cmake ..
make

---

3. 测试

• ConditionalRemoval 条件滤波
  执行程序

cd ..
./build/remove_outliers -c

结果如下：
condrem.setKeepOrganized(true);
设置是否保留滤波后删除的点，以保持点云的有序性，通过setuserFilterValue设置的值填充点云；或从点云中删除滤波后的点，从而改变其组织结构
如果设置为 true 且不设置 setUserFilterValue 的值，则用 nan 填充点云

这边若是使用 condrem.setKeepOrganized(true);//设置保持为结构点云该函数的话，结果如下所示
会产生相对应的 nan 填充点云

这里是将 ==condrem.setKeepOrganized(true);==注释掉后，程序的执行情况
没有 nan 填充点云

---

• RadiusOutlierRemoval 半径滤波
  执行程序

cd ..
./build/remove_outliers -r

---