PCL统计滤波（statistical_outlier_removal）

者山海

已于 2024-09-20 09:38:49 修改

阅读量512

点赞数 3

分类专栏： PCL 文章标签：算法人工智能计算机视觉

于 2024-08-02 12:16:14 首次发布

本文链接：https://blog.csdn.net/xhm01291212/article/details/140868234

版权

PCL 专栏收录该内容

97 篇文章 8 订阅

订阅专栏

PCL专栏目录及须知-CSDN博客

1.原理

统计滤波即：对点云中每个点进行邻域搜索，判断邻域搜索出的这块点云是否符合高斯分布。根据给定的参数，如均值和方差等，剔除在高斯期望之外的点。

高斯分布

均值、方差、标准差

（1）对点云建KD树。

（2）点云中每个点进行邻域搜索，获取邻域搜索出的点云块。

（3）根据给定的阈值（PCL统计滤波器阈值讲解在下文4.关键函数中），判断每个点是否符合高斯期望，剔除期望值之外的点；得到结果点云。

2.使用场景

去噪：当使用半径滤波器等效果不大好的时候使用统计滤波器。

实际工作中，去噪优先级：

半径滤波 > 统计滤波 > 法线空间下采样滤波 > 中值滤波 ≈ 高斯滤波

3.注意事项

高斯滤波用于平滑点云并去噪。

统计滤波只用于去噪。

注意二者区别和使用场景。

4.关键函数

（1）设置K邻域搜索点的个数；即每次选取点云点附近n个点作为邻域点。

setMeanK()

（2）设置高斯期望的计算阈值；

该值为标准差的倍数，如传入参数值为x，那么阈值即为 x*标准差。

函数内部比较逻辑：平均值 + 倍数*标准差 > 平均邻域距离，离群点；

平均值 + 倍数*标准差 < 平均邻域距离，离群点;

setStddevMulThresh()

5.代码

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

int main()
{
    /****************统计滤波********************/
    // 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>);

    // 统计滤波器
    pcl::StatisticalOutlierRemoval<pcl::PointXYZRGB> filters;               // 统计滤波器
    filters.setInputCloud(cloud);
    filters.setMeanK(6);                                                   // K邻域搜索的个数
    filters.setStddevMulThresh(1.0);                                       // 判断是否是离群点的阈值，大于该阈值，即为离群点（具体见4.关键函数）
    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;
}