PCL移除阴影点（shadowpoints）

1.原理

所谓去除点云阴影点：即在采集数据的时候，因为光照或者物体表面凹陷等形状的影响，点云会出现一些阴影点。而本方法就是用来去除点云的阴影点。

方法为：将点云投影到一个深度图像上，而点云中的阴影部分就会在深度图像上产生一块阴影区域。然后依次在这个深度图像上按照像素块（是一些像素点的集合，不是单个像素点）进行邻域搜索，比较当前像素块和周围像素块的大小关系，如果当前像素块小于周围像素块，那么该点将被标记为阴影点，并去除，否则保留。

（1）计算点云法线（投影到深度图像上时需要法线作为依据）。

（2）点云投影到深度图像上。

（3）在深度图像上按照像素块进行不停的邻域搜索，依次比较各当前像素块和周围像素块的关系。

（4）若当前像素块和周围像素块的值超过某个阈值，那么该点将被标记为阴影点，并去除，否则则保留。

（5）得到结果点云。

2.使用场景

去除点云阴影部分（往往为凹陷的部分）。

如下图：

如这个人的脖子这儿就属于凹陷部分，过滤的时候往往会把这部分的值删掉。

3.注意事项

该方法容易过度过滤，记得调参。

4.关键函数

（1）阴影点像素块阈值；

该值比较投影到深度图像之后，当前像素块的大小。

该大小的像素块和周围的像素块比较值的大小，如果当前像素块的值小于周围像素块的值，则判断为阴影点；如果当前像素块的值大于周围像素块的值，则不是阴影点，保留。

该值越大，过滤效果越强（可能过度过滤）；该值越小，过滤效果越弱；

setThreshold()

效果如下图：

5.代码

#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/features/normal_3d_omp.h>
#include <pcl/filters/shadowpoints.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

int main()
{
    /****************移除点云阴影点********************/
    // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>());                    // 需使用PointXYZ格式的数据
    pcl::io::loadPCDFile("D:/code/csdn/data/bunny.pcd", *cloud);   // 加载原始点云数据
    // 法向量点云
    pcl::PointCloud<pcl::PointNormal>::Ptr cloud_normals(new pcl::PointCloud<pcl::PointNormal>());
    // 结果点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);

    // 计算点云法向量
    pcl::NormalEstimationOMP<pcl::PointXYZ, pcl::PointNormal> n;                                    // 点云OMP法向量类（OMP可以执行计算加速）
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());         // 建树
    n.setNumberOfThreads(10);                                                                       // OMP的线程个数
    n.setInputCloud(cloud);
    n.setSearchMethod(tree);                                                                        // 设置搜索树
    n.setKSearch(10);                                                                               // K邻近搜索阈值
    n.compute(*cloud_normals);

    // 移除点云阴影点
    pcl::ShadowPoints <pcl::PointXYZ, pcl::PointNormal> filters(true);                              // shadow类
    filters.setInputCloud(cloud);
    // 该值比较投影到深度图像之后，当前像素块的大小。
    // 该大小的像素块和周围的像素块比较值的大小，如果当前像素块的值小于周围像素块的值，则判断为阴影点；如果当前像素块的值大于周围像素块的值，则不是阴影点，保留。
    // 该值越大，过滤效果越强（可能过度过滤）;该值越小，过滤效果越弱;
    filters.setThreshold(0.1f);
    filters.setNormals(cloud_normals);
    filters.filter(*cloud_filtered);

    /****************展示********************/
    boost::shared_ptr<pcl::visualization::PCLVisualizer> view_raw(new pcl::visualization::PCLVisualizer("raw"));
    view_raw->addPointCloud<pcl::PointXYZ>(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::PointXYZ>(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