PCL3D平面裁剪滤波（PlaneClipper3D）

1.原理

使用3D的平面裁剪点云。

（1）定义你所需的平面。

（2）判断所有点云点在平面的哪一侧，同侧保留，异侧删除。

如何判断点在平面的哪一侧：

以点M为例：

1）设平面上的一个向量G。

2）做平面到点M的垂直向量L，点乘计算向量L和向量G的夹角（点乘算夹角，叉乘算垂直向量）

3）如果夹角在0°到180°（各算法接口计算的值不一样，按情况定阈值），那么点在平面上方；如果夹角在180°到360°，那么点在平面下方。

2.使用场景

使用平面裁剪点云的场景。工作中比如要写一个用户在屏幕上点三个点，然后通过这三个点确定一个平面，去裁剪点云的功能时。

3.注意事项

本示例代码中添加了三个三维点计算平面方程的C++实现，可自行取用。

// 计算三维平面公式Ax + By + Cz + D = 0中的各个系数（三点确定一个平面
double x1 = 143.01;    double y1 = 49.68;    double z1 = 24.53;
double x2 = 159.08;    double y2 = 44.23;    double z2 = 24.67;
double x3 = 161.39;    double y3 = 51.24;    double z3 = 24.5;
double A = (y3 - y1) * (z3 - z1) - (z2 - z1) * (y3 - y1);
double B = (x3 - x1) * (z2 - z1) - (x2 - x1) * (z3 - z1);
double C = (x2 - x1) * (y3 - y1) - (x3 - x1) * (y2 - y1);
double D = -(A * x1 + B * y1 + C * z1);

4.关键函数

设置3D平面裁剪的平面参数。

Eigen::Vector4f plane;
setPlaneParameters(plane);

5.代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/plane_clipper3D.h>
#include <pcl/filters/extract_indices.h>
#include <boost/thread/thread.hpp>
#include <pcl/visualization/pcl_visualizer.h>

int main()
{
    /****************3D平面裁剪滤波********************/
    // 原始点云
    pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>);
    pcl::io::loadPCDFile("D:/code/csdn/data/bunny.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>);

    Eigen::Vector4f plane;                                                              // 3D平面
    plane << 0, 0, 1, 0;                                                                // A、B、C、D
    pcl::IndicesPtr indices(new std::vector <int>());                                   // 保存裁剪点的索引

    // 3D平面裁剪滤波
    pcl::PlaneClipper3D<pcl::PointXYZRGB> filters(plane);
    filters.setPlaneParameters(plane);                                                  // 设置平面参数
    filters.clipPointCloud3D(*cloud, *indices);

    pcl::ExtractIndices<pcl::PointXYZRGB> extract;                                      // 索引
    extract.setInputCloud(cloud);
    extract.setIndices(indices);
    extract.setNegative(true);                                                          // true不保留范围内的点，false保留范围内的点
    extract.filter(*cloud_filtered);

    /****************展示********************/
    boost::shared_ptr<pcl::visualization::PCLVisualizer> view_raw(new pcl::visualization::PCLVisualizer("raw"));
    view_raw->addPointCloud<pcl::PointXYZRGB>(cloud, "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"));
    view_filtered->addPointCloud<pcl::PointXYZRGB>(cloud_filtered, "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;
}

6.结果展示