1.原理
对整个点云建树,进行邻域搜索,如果某个点云点邻域搜索得到的邻域点个数小于某个阈值,则证明它是离群点,删除。
(1)对整个点云建树。
(2)对每个点云点依次进行邻域搜索。
(3)如果邻域搜索得到的点云点小于某个阈值,那么其被判断为离群点,删除。
(4)剩余未离群的点云点被组合成结果文件。
如下图:
2.使用场景
去噪:半径滤波是很常用的去噪滤波,要多注意。
3.注意事项
无
4.关键函数
(1)设置点云邻域搜索的邻域半径;取点云一定半径内的邻域点。
setRadiusSearch()
(2)设置点云邻域搜索之后,如果某点邻域点的个数小于某个值,那么被判断为离群点,则删除。
setMinNeighborsInRadius()
5.代码
#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>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>
int main()
{
/****************半径滤波********************/
// 原始点云
pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>);
pcl::io::loadPCDFile("D:/code/csdn/data/JZDM.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>);
// 半径滤波
pcl::RadiusOutlierRemoval<pcl::PointXYZRGB> filters;
filters.setInputCloud(cloud);
filters.setRadiusSearch(0.3); // 邻域半径
filters.setMinNeighborsInRadius(50); // 当某个点云点邻域半径内的点数<10时删除
filters.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
为了测试明显,过度去噪了。