基于pcl源码,按照官网模块学习pcl点云处理算法,详细解读每个算法实现原理。
一、Registration
二、Filtering
1、半径滤波
1.1 算法原理
遍历点云数据中每个点,获取每个点一定半径范围内的近邻点数,与设定的阈值进行对比,若小于设定阈值,则删除该点,从而实现点云的过滤。
1.2 算法流程
(1)构建K-D tree,建立点云拓扑关系;
(2)获取点云中某点一定半径范围内的近邻个数;
(3)判断该点的近邻个数是否大于设定阈值,若小于阈值则删除该点,否则保留该点;
(4)重复步骤(2)(3),直至遍历完点云数据中的所有点数据
1.3 代码实现
#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/common/time.h>
#include <pcl/filters/radius_outlier_removal.h>//半径滤波器
using namespace std;
int main(int argc, char** argv) {
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile("tree.pcd", *cloud_in;
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_radius(new pcl::PointCloud<pcl::PointXYZ>);
pcl::RadiusOutlierRemoval<pcl::PointXYZ> ror;
ror.setInputCloud(cloud_in); // 输入点云
ror.setRadiusSearch(0.1); // 设置半径为0.1m范围内找临近点
ror.setMinNeighborsInRadius(10); // 设置查询点的邻域点集数小于10删除
ror.filter(*cloud_radius); // 执行滤波
return 0;
}
2、双边滤波
2.1 算法原理
遍历点云中每一个点,查找其临近点,对临近点进行加权平均,剔除差异大的点,平滑数据,去除噪声
2.2 算法实现
1、查找点云中某一点邻域内的所有点
2、计算该点与查找到的点的距离以及强度差异
3、根据距离及强度差异计算权重,对该点的强度进行加权平均,获得处理后的点