各种滤波器+可视化

一、原理分析

  在点云数据的处理过程中，滤波处理是点云预处理的第一步，只有在滤波预处理中将噪声点、离群点、孔洞、数据压缩等按照后续处理定制，才能够更好地进行配准、特征提取、曲面重建、可视化等后续应用处理。PCL中点云滤波模块提供了很多滤波处理算法，例如双边滤波、高斯滤波、条件滤波、直通滤波、基于随机采样一致性滤波等。
  需要进行点云滤波处理的情况：
  滤波有以下三种形式
  (1）噪声点、离群点
  在获取点云数据时，由于设备精度、操作者经验、环境因素等带来的影响，点云数据中将不可避免地出现一些噪声点，除了由于测量随机误差产生的噪声点外，由于受到外界干扰如视线遮挡障碍物等因素的影响，点云数据中往往还存在着一些远离主体点云的点，即离群点
  （2）因点云数据量太大需进行点云下采样，减少点云数量
  （3）点云数据密度不规则需要进行平滑处理

二、代码示例

1、使用passthrough(直通)滤波器对点云进行滤波处理

  直通滤波器就是在点云的属性上设置范围，对点云进行滤波，保留范围内的或保留范围外的。
  （1）指定一个维度以及该维度下的值域
  （2）遍历点云中的每个点，判断该点在指定维度上的取值是否在值域内，删除取值不在值域内的点
  （3）遍历结束，留下的点即构成滤波后的点云

#include <iostream>
#include <ctime>
#include <pcl/point_types.h>
#include <pcl/filters/passthrough.h>
#include <pcl/visualization/pcl_visualizer.h>
//#include <pcl/io/pcd_io.h>
using namespace std;
int main()
{
   
	srand((unsigned int)time(NULL));//用系统时间初始化随机种子，防止每次随机数都一样
	//定义并实例化一个PointCloud指针对象（滤波前）
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	//定义并实例化一个PointCloud指针对象（滤波后）
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
	
	//pcl::io::loadPCDFile("bunny.pcd", *cloud);//加载自己的数据

	//1、利用随机数生成点云，作为滤波的输入点云数据，并将其打印到标准输出

	cloud->width = 100;//点云数量
	cloud->height = 1;//表示无序点云
	cloud->points.resize(cloud->width * cloud->height);
	//填充点云数据
	for (size_t i = 0; i < cloud->points.size(); ++i)
	{
   
		cloud->points[i].x = rand() / (RAND_MAX + 1.0f);
		cloud->points[i].y = rand() / (RAND_MAX + 1.0f);
		cloud->points[i].z = rand() / (RAND_MAX + 1.0f) - 0.5;
	}
	//输出上一步填充的点云的坐标
	cout << "滤波前：" << endl;
	for (size_t i = 0; i < cloud->points.size(); ++i)
		cout << "  " << cloud->points[i].x << " "
		<< cloud->points[i].y << " "
		<< cloud->points[i].z << endl;


	//2、接下来创建直通滤波器的对象，设置它的参数，滤波字段设置为Z轴方向，可接受的范围是（0.0，1.0），
	//即将点云中点的z坐标不在该范围内的删除或保留，由函数setFilterLimitsNegative决定

	pcl::PassThrough<pcl::PointXYZ> pass;// 创建滤波器对象
	pass.setInputCloud(cloud);           //设置输入点云
	pass.setFilterFieldName("z");        //按照点云数据的Z字段（Z坐标）进行过滤
	pass.setFilterLimits(0.0, 1.0);      //设置在过滤字段的范围（z坐标0-1）
	pass.setFilterLimitsNegative(true);  //设置保留范围内还是过滤掉范围内, 默认为flase，可以注释掉。true为过滤范围内的，flase为过滤掉范围外的
	pass.filter(*cloud_filtered);        //执行滤波，将完成过滤操作的点云数据保存在cloud_filtered中

	
	//3、打印输出完成过滤操作后的点云的坐标

	cout << "滤波后：" << endl;
	for (size_t i = 0; i < cloud_filtered->points.size(); ++i)
		cout << "  " << cloud_filtered->points[i].x << " "
		<< cloud_filtered->points[i].y << " "
		<< cloud_filtered->points[i].z << endl;
	
	
	//4、可视化滤波前后的点云
	
	pcl::visualization::PCLVisualizer viewer("点云滤波前后");// 创建视窗对象
	//添加坐标系
	viewer.addCoordinateSystem(20);
	//创建左右窗口
	int v1(0);
	int v2(1);
	viewer.createViewPort(0.0, 0.0, 0.5, 1, v1);
	viewer.setBackgroundColor(0, 0, 0, v1);
	viewer.createViewPort(0.5, 0.0, 1, 1, v2);
	viewer.setBackgroundColor(0.5, 0.5, 0.5, v2);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_out_blue(cloud, 0, 0, 255); // 滤波前为蓝色点云
	viewer.addPointCloud(cloud, cloud_out_blue, "cloud_out1", v1);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_out_red(cloud_filtered, 250, 0, 0); //滤波后为红色点云
	viewer.addPointCloud(cloud_filtered, cloud_out_red, "cloud_out2", v2);
	
	while (!viewer.wasStopped())
	{
   
		viewer.spinOnce();
	}

	system("pause");
	return 0;
}

2、使用VoxelGrid（体素）滤波器对点云进行下采样

  体素滤波器在实现下采样同时不破坏点云本身几何结构，但会移动点的位置。可以去除一定程度的噪音点及离群点，主要功能是用来下采样。