官网有详细的例子教(还是要有c++基础、eigen基础)
纪录学习进度:
1。基本的数据结构 ol
2。高级使用(定制点云类型、定制pcl类) ok 【一般也不会用,pcl提供的就足够了,学会的话需要懂模板类编程吧】
3。过滤(filter)主题分为以下几个部分:
3.1直通过滤 ok 【主要是教了简单的滤掉域x/y/z某一范围外(内)的点云,给一个截断值】
3.2 使用体素栅格过滤器对点云进行降采样 ok 【一般情况,因为那个我输入的点云可能经过了直通滤波,所以降采样滤的不多】
3.3 Removing outliers using a StatisticalOutlierRemoval filter ok【使用统计分析外点滤波,主要滤除噪声,滤除稀疏的噪声我觉得很关键】
(计算每个点一定范围内的邻居点的距离,通过假设得到的分布是具有平均值和标准偏差的高斯分布,所有平均距离在由全局距离平均值和标准偏差定义的区间之外的点都可以被视为离群点,并从数据集中进行修剪。)
测试结果如下:
上方是原图(之前用orbslam2建立的稠密图的一部分),右下是滤掉的外点【很明显】,坐下是滤波之后的内点,可以看到比较稀疏,但也能代表原图的形状、轮廓等性质。
3.4使用参数化模型投影点 ok
【对三维点云投影到某一个平面,比如xy平面】
效果如下:
/home/qupengtao/图片/1.png黄色是三维点云,蓝色是二维xy平面(垂直屏幕)
3.5Extracting indices from a PointCloud
【从结果来看,该功能是可以将点云分割后的不同部分提取出来,前提是点云已经经过前面处理,见图】
从前到后分别为:原点云、降采样后的点云、点云分割结果
3.6 Removing outliers using a Conditional or RadiusOutlier removal【两个方法、两个阶段】
首先,我们将研究如何使用conditionalremove过滤器,它删除给定输入云中不满足一个或多个给定条件的所有索引。然后我们将学习如何使用RadiusOutlierRemoveFilter,它删除输入云中在某个范围内至少没有一些邻居的所有索引。
结果展示:
两种方法,对于我拍摄的pcd来说只有半径离群还好,条件下不好(很可能官网条件不适合我的点云)
上方是原点云,左下角是radius方法,效果跟之前的统计分析可以衡量,右下角条件选择不好所以结果明显差。
仅作记录学习之用。