PCL半径滤波(radius_outlier_removal)

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

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。

  • 3
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PCL(Point Cloud Library)是一个用于处理点云数据的开源库。半径滤波PCL中常用的点云滤波方法之一,用于去除离群点和平滑点云数据。 半径滤波的过程如下: 1. 定义一个搜索半径radius)来确定每个点的邻域范围。 2. 对于点云中的每个点,搜索其邻域内的所有点。 3. 计算邻域内所有点的平均值或中值,并将该值作为当前点的新坐标。 4. 重复步骤2和步骤3,直到处理完所有的点。 5. 可选地,可以使用统计学方法(例如标准差)来进一步排除离群点。 使用PCL进行半径滤波的示例代码如下: ```cpp #include <pcl/point_cloud.h> #include <pcl/filters/radius_outlier_removal.h> int main() { // 创建输入点云 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); // 读取或生成点云数据 // 创建半径滤波对象 pcl::RadiusOutlierRemoval<pcl::PointXYZ> radius_filter; radius_filter.setInputCloud(cloud); radius_filter.setRadiusSearch(0.1); // 设置半径搜索范围 radius_filter.setMinNeighborsInRadius(10); // 设置邻居点的最小数量 // 执行半径滤波 pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>); radius_filter.filter(*filtered_cloud); return 0; } ``` 上述代码中,我们首先创建了一个输入点云对象`cloud`,然后创建了`RadiusOutlierRemoval`对象`radius_filter`来进行半径滤波。设置半径搜索范围和邻居点的最小数量后,调用`filter`方法执行滤波操作,并将结果保存在`filtered_cloud`中。 需要注意的是,半径滤波只能去除离群点和平滑点云数据,对于边缘保持和细节保持较差。在实际应用中,可以根据具体需求调整半径和邻居点的数量来获取理想的滤波效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值