[PCL]点云处理算法学习

weixin_44727244

已于 2024-04-30 10:58:34 修改

阅读量359

点赞数 4

文章标签：学习

于 2024-03-27 14:48:07 首次发布

本文链接：https://blog.csdn.net/weixin_44727244/article/details/137076957

版权

本文详细解读了基于PCL库的点云处理算法，包括Registration、半径滤波（通过K-Dtree遍历删除离群点）、双边滤波（加权平均平滑数据）等内容，并提供了C++代码示例。

摘要由CSDN通过智能技术生成

$\frac{1}{2}$

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;
}