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;
}