PCL条件滤波器（conditional_removal）

PCL专栏目录及须知-CSDN博客

1.原理

可选取pcd点云中可获取的某个字段（如pcl::PointXYZRGB中的x、y、z等字段），进行and或or的条件判断，以达到过滤某个范围内的值的结果。

条件滤波器有两个子类，其中pcl::ConditionAnd<pcl::PointXYZRGB>意味着“且”，pcl::ConditionOr<pcl::PointXYZRGB>意味着“或”。

2.使用场景

多用于删除/过滤某个字段下某个范围的值，例如车道点云中通过z值条件过滤，删除地面以上的树木、建筑物等，只留下道路，以实现道路点云的初步过滤。

如下图

3.关键函数

（1）

1）条件A 且 条件B，使用该条件函数类。

pcl::ConditionAnd<pcl::PointXYZRGB>

2）条件A 或 条件B，使用该条件函数类。

pcl::ConditionOr<pcl::PointXYZRGB>

（2）

1）本函数设置true则保持原始点云的结构，点的数目没有减少，滤波掉的点采用nan代替。设置为false则不保存原始点云结构，滤波掉的点删除。

setKeepOrganized()

2）删除NAN点，与setKeepOrganized()方法联动使用

std::vector<int> mapping;
pcl::removeNaNFromPointCloud(*cloud_filtered, *cloud_filtered, mapping);                     // 去除nan点

4.代码

#include <iostream>
#include <iostream>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/filters/conditional_removal.h> //条件滤波
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

int main()
{
    /****************条件滤波********************/
    // 原始点云
    pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>());
    pcl::io::loadPCDFile("D:/code/csdn/data/two_tree.pcd", *cloud);   // 加载原始点云数据
    // 结果点云
    pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZRGB>);

    // 字段
    pcl::ConditionAnd<pcl::PointXYZRGB>::Ptr field(new pcl::ConditionAnd<pcl::PointXYZRGB>);     // 字段
    /*
    pcl::ComparisonOps::GT      // 大于
    pcl::ComparisonOps::GE      // 大于等于
    pcl::ComparisonOps::LT      // 小于
    pcl::ComparisonOps::LE      // 小于等于
    pcl::ComparisonOps::EQ      // 等于
    */
    field->addComparison(pcl::FieldComparison<pcl::PointXYZRGB>::ConstPtr(new pcl::FieldComparison<pcl::PointXYZRGB>("z", pcl::ComparisonOps::GT, -27.0)));     //  z值大于-27.0
    field->addComparison(pcl::FieldComparison<pcl::PointXYZRGB>::ConstPtr(new pcl::FieldComparison<pcl::PointXYZRGB>("z", pcl::ComparisonOps::LT, -24.5)));       // “且”z值小于-27.0，若使用ConditionOr，则是“或”z值小于15
    pcl::ConditionalRemoval<pcl::PointXYZRGB> filtered;                                          // 条件滤波器
    filtered.setCondition(field);                                                                // 字段条件
    filtered.setInputCloud(cloud);                                                               // 输入点云
    filtered.setKeepOrganized(false);                                                            // 设置true则保持原始点云的结构，点的数目没有减少，滤波掉的点采用nan代替。设置为false则不保存原始点云结构。
    filtered.filter(*cloud_filtered);                                                            // 滤波
    std::vector<int> mapping;
    pcl::removeNaNFromPointCloud(*cloud_filtered, *cloud_filtered, mapping);                     // 去除nan点

    /****************展示********************/
    boost::shared_ptr<pcl::visualization::PCLVisualizer> view_raw(new pcl::visualization::PCLVisualizer("raw"));
    pcl::visualization::PointCloudColorHandlerRGBField<pcl::PointXYZRGB> raw_rgb(cloud);
    view_raw->addPointCloud<pcl::PointXYZRGB>(cloud, raw_rgb, "raw cloud");
    view_raw->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "raw cloud");

    boost::shared_ptr<pcl::visualization::PCLVisualizer> view_filtered(new pcl::visualization::PCLVisualizer("filter"));
    pcl::visualization::PointCloudColorHandlerRGBField<pcl::PointXYZRGB> filtered_rgb(cloud);
    view_filtered->addPointCloud<pcl::PointXYZRGB>(cloud_filtered, filtered_rgb, "filtered cloud");
    view_filtered->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "filtered cloud");

    while (!view_raw->wasStopped())
    {
        view_raw->spinOnce(100);
        boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }
    while (!view_filtered->wasStopped())
    {
        view_filtered->spinOnce(100);
        boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }

    return 0;
}

5.运行结果