PCL 点云条件滤波

news2024/11/23 18:28:59

目录

一、概述

1.1原理

1.2实现步骤

1.3应用场景

二、代码实现

2.1关键函数

2.1.1 条件定义与滤波

2.1.2 可视化函数

2.2完整代码

三、实现效果

PCL点云算法汇总及实战案例汇总的目录地址链接：

PCL点云算法与项目实战案例汇总（长期更新）

一、概述

        条件滤波 是基于某些字段（如 x, y, z 或其他特征）对点云中的点进行筛选。通过设定条件范围，可以保留符合条件的点或移除不符合条件的点。PCL 提供pcl::ConditionalRemoval 来实现条件滤波，支持多种比较操作符（如大于、小于等）。

1.1原理

        条件滤波通过对点云的某一字段或多个字段进行比较，筛选出符合条件的点。可以对字段进行联合条件判断，比如在z 轴上设定一个范围，将落在该范围内的点提取出来。滤波器通过设定的比较条件来保留或移除不符合条件的点。

1.2实现步骤

  1. 读取点云数据。
  2. 定义条件：如 z 坐标在某个范围内的点。
  3. 设置 ConditionalRemoval 滤波器并传入条件。
  4. 应用滤波器，保留符合条件的点。
  5. 去除 NaN 点，保留结构化数据。
  6. 可视化原始点云和条件滤波后的点云。

1.3应用场景

  1. 点云分割：基于几何属性分割点云。
  2. 数据清理：过滤掉不符合某些特定条件的噪声点。
  3. 局部特征提取：通过设定条件提取感兴趣区域的点。

二、代码实现

2.1关键函数

2.1.1 条件定义与滤波

#include <pcl/filters/conditional_removal.h>
#include <pcl/point_types.h>

// 应用条件滤波器
pcl::PointCloud<pcl::PointXYZ>::Ptr applyConditionalFilter(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in)  // 输入点云
{
    // 创建条件对象，用于设定 z 轴范围在 13 到 15 之间的点
    pcl::ConditionAnd<pcl::PointXYZ>::Ptr range_cond(new pcl::ConditionAnd<pcl::PointXYZ>());

    // 在 z 轴上添加大于 13 的条件
    range_cond->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(
        new pcl::FieldComparison<pcl::PointXYZ>("z", pcl::ComparisonOps::GT, 13.0)));

    // 在 z 轴上添加小于 15 的条件
    range_cond->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(
        new pcl::FieldComparison<pcl::PointXYZ>("z", pcl::ComparisonOps::LT, 15.0)));

    // 创建条件滤波器并设置条件
    pcl::ConditionalRemoval<pcl::PointXYZ> condrem;
    condrem.setCondition(range_cond);
    condrem.setInputCloud(cloud_in);
    condrem.setKeepOrganized(true);  // 保持点云结构

    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
    condrem.filter(*cloud_filtered);  // 应用滤波器

    return cloud_filtered;
}

2.1.2 可视化函数

#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和条件滤波后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in,      // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered // 条件滤波后的点云
)
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Conditional Filter Viewer"));

    // 设置视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);   // 白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);
    pcl::visualization::PointCloudColorHandlerGenericField<pcl::PointXYZ> cloud_color(cloud_in, "z"); // 按照 z 轴渲染
    viewer->addPointCloud(cloud_in, cloud_color, "original_cloud", vp_1);

    // 设置视口2，显示条件滤波后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 右侧窗口
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);  // 浅灰色背景
    viewer->addText("Filtered PointCloud", 10, 10, "vp2_text", vp_2);
    viewer->addPointCloud(cloud_filtered, "filtered_cloud", vp_2);

    // 设置点的大小
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "filtered_cloud", vp_2);

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }
}

2.2完整代码

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

// 应用条件滤波器
pcl::PointCloud<pcl::PointXYZ>::Ptr applyConditionalFilter(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in)
{
    pcl::ConditionAnd<pcl::PointXYZ>::Ptr range_cond(new pcl::ConditionAnd<pcl::PointXYZ>());

    // 定义 z 轴大于 13 的条件
    range_cond->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(
        new pcl::FieldComparison<pcl::PointXYZ>("z", pcl::ComparisonOps::GT, 13.0)));

    // 定义 z 轴小于 55 的条件
    range_cond->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(
        new pcl::FieldComparison<pcl::PointXYZ>("z", pcl::ComparisonOps::LT, 55.0)));

    // 创建条件滤波器
    pcl::ConditionalRemoval<pcl::PointXYZ> condrem;
    condrem.setCondition(range_cond);
    condrem.setInputCloud(cloud_in);
    condrem.setKeepOrganized(true);  // 保留点云结构，未通过的点设置为 NaN

    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
    condrem.filter(*cloud_filtered);

    return cloud_filtered;
}


// 可视化原始点云和条件滤波后的点云，分别为红色和绿色
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in,      // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered // 条件滤波后的点云
)
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Conditional Filter Viewer"));

    // 设置视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);   // 白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color(cloud_in, 255, 0, 0); // 原始点云红色
    viewer->addPointCloud(cloud_in, cloud_color, "original_cloud", vp_1);

    // 设置视口2，显示条件滤波后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 右侧窗口
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);  // 浅灰色背景
    viewer->addText("Filtered PointCloud", 10, 10, "vp2_text", vp_2);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> filtered_color(cloud_filtered, 0, 255, 0); // 条件滤波后点云绿色
    viewer->addPointCloud(cloud_filtered, filtered_color, "filtered_cloud", vp_2);

    // 设置点的大小
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "filtered_cloud", vp_2);

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }
}

int main(int argc, char** argv)
{
    // 读取点云数据
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile<pcl::PointXYZ>("dx.pcd", *cloud_in) != 0)
    {
        return -1;
    }

    std::cout << "读取点的个数为: " << cloud_in->size() << " points" << std::endl;

    // 应用条件滤波器
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered = applyConditionalFilter(cloud_in);

    // 去除 NaN 点
    std::vector<int> mapping;
    pcl::removeNaNFromPointCloud(*cloud_filtered, *cloud_filtered, mapping);

    std::cout << "去除 NaN 点后的点的个数: " << cloud_filtered->size() << " points" << std::endl;

    // 可视化原始点云和条件滤波后的点云
    visualizePointClouds(cloud_in, cloud_filtered);

    return 0;
}

三、实现效果

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2182060.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Python从入门到高手4.1节-掌握条件控制语句

Python从入门到高手4.1节-掌握条件控制语句

目录 4.1.1 理解条件控制 4.1.2 if, elif, else 4.1.3 条件表达式 4.1.4 条件控制可以嵌套 4.1.5 if语句的三元运算 4.1.6 国庆节快乐 4.1.1 理解条件控制 在日常生活中&#xff0c;我们常喜欢说如果, "如果怎么样&#xff0c;那么就会怎么样"。"如果&qu…
阅读更多...
240930_CycleGAN循环生成对抗网络

240930_CycleGAN循环生成对抗网络

240930_CycleGAN循环生成对抗网络 CycleGAN&#xff0c;也算是笔者记录GAN生成对抗网络的第四篇&#xff0c;前三篇可以跳转 240925-GAN生成对抗网络-CSDN博客 240929-DCGAN生成漫画头像-CSDN博客 240929-CGAN条件生成对抗网络-CSDN博客 在第三篇中&#xff0c;我们采用了p…
阅读更多...
【Lazy ORM +Netty+DB开发一个内网渗透工具 wu-lazy-cloud-network（1.2.8-JDK17-SNAPSHOT）】

【Lazy ORM +Netty+DB开发一个内网渗透工具 wu-lazy-cloud-network（1.2.8-JDK17-SNAPSHOT）】

【Lazy ORM NettyDB开发一个内网渗透工具 wu-lazy-cloud-network&#xff08;1.2.8-JDK17-SNAPSHO&#xff09;】 环境 Java 17Spring Boot 3.xLazy ORMNettyMysql、H2 更新日志 版本1.2.8-JDK17-SNAPSHOT [change] 原《内网穿透》更改为服务端渗透客户端 [change] 新增服务…
阅读更多...
Unity 代码裁剪（Strip Engine Code）

Unity 代码裁剪（Strip Engine Code）

文章目录 0.IL2CPP 打包运行闪退问题1.什么是代码裁剪2.为什么要使用代码裁剪3.代码裁剪设置与级别4.强制保留代码4.1 使用[Preserve]标签4.2 使用Link.xml文件 5.Strip中遇到的问题及解决方法6.注意事项 0.IL2CPP 打包运行闪退问题 Google Play要求从2019年8月1日起apk必须支…
阅读更多...
Spring系列 AOP实现过程

Spring系列 AOP实现过程

文章目录 实现原理EnableAspectJAutoProxyAnnotationAwareAspectJAutoProxyCreator 代理创建过程wrapIfNecessarygetAdvicesAndAdvisorsForBeanfindCandidateAdvisorsfindAdvisorsThatCanApply createProxy AspectJ注解处理代理调用过程 实现原理 本文源码基于spring-aop-5.3.…
阅读更多...
Arweave的经济学模型

Arweave的经济学模型

一、存储成本和挖矿奖励 1.1 永久数据存储的成本 由于 Arweave 的核心功能是为其用户提供永久存储&#xff0c;因此必须定义这种存储的定价机制。 作为计算永久存储一份数据的成本的前提&#xff0c;我们必须首先定义单个时间段的数据存储成本&#xff1a; 自数字数据存储技…
阅读更多...
算法-数组笔记

算法-数组笔记

二分搜索 . - 力扣&#xff08;LeetCode&#xff09; 使用场景 前提是数组为有序数组&#xff0c;同时题目还强调数组中无重复元素。 因为一旦有重复元素&#xff0c;使用二分查找法返回的元素下标可能不是唯一的&#xff0c;这些都是使用二分法的前提条件&#xff0c;当大…
阅读更多...
【Ubuntu】git

【Ubuntu】git

文章目录 1.配置SSH key2. 基础知识操作命令1分支branch 如果对git命令使用不熟悉&#xff0c;推荐一个非常棒的git在线练习工具 Learn Git Branching。 https://m.runoob.com/git/git-basic-operations.html 1.配置SSH key ssh-keygen -t rsa -C "YOUR EMAIL"完成…
阅读更多...
深入解析 Java 虚拟机：内存区域、类加载与垃圾回收机制

深入解析 Java 虚拟机：内存区域、类加载与垃圾回收机制

我的主页&#xff1a;2的n次方_ 1. JVM 内存区域划分 程序计数器&#xff08;空间比较小&#xff09;。保存了下一条要执行的指令的地址&#xff08;指向元数据区指令的地址&#xff09;堆。JVM 最大的空间&#xff0c;new 出来的对象都在堆上栈。函数中的局部变量&#x…
阅读更多...
Linux相关概念和重要知识点（10）（进程优先级、进程切换）

Linux相关概念和重要知识点（10）（进程优先级、进程切换）

1.进程优先级 &#xff08;1&#xff09;为什么要有进程优先级&#xff1f; 优先级的本质是获得某种资源的先后顺序&#xff0c;如排队买票这件事上排队的本质是在确认优先级&#xff0c;售票窗口就是要竞争的资源。为什么要有优先级&#xff1f;本质就是目标资源比较少&…
阅读更多...
VS2022 Git功能的使用

VS2022 Git功能的使用

前言 博主最近在学校接触了团队开发的概念&#xff0c;最近也系统性学习了c语言&#xff0c;也是从0开始摸索&#xff0c;一开始博主在推送代码的时候使用的是git bash 后来发现VS2022有Git相关功能&#xff0c;但是博主在网上没有找到通俗易懂适合小白的配置教程&#xff0c;…
阅读更多...
HarmonyOS应用六之应用程序进阶一

HarmonyOS应用六之应用程序进阶一

目录&#xff1a; 1、UIAbility的冷启动和UIAbility热启动2、静态资源和动态资源的访问3、页面跳转3.1、页面返回跳转 4、HAR的ArkUI组件、接口、资源&#xff0c;供其他应用或当前应用的其他模块引用4.1、导出HAR的ArkUI组件4.2、引用HAR的ArkUI组件 5、循环渲染6、状态管理最…
阅读更多...
【生成模型】学习笔记

【生成模型】学习笔记

生成模型 生成模型概述&#xff08;通俗解释&#xff09; 生成的核心是生成抽象化的内容&#xff0c;利用已有的内容生成没有的/现实未发生的内容。这个过程类似于人类发挥想象力的过程。 生成模型的应用场景非常广泛&#xff0c;可以应用于艺术表达&#xff0c;如画的生成、…
阅读更多...
前端规范工程-2：JS代码规范（Prettier + ESLint）

前端规范工程-2：JS代码规范（Prettier + ESLint）

Prettier 和 ESLint 是两个在现代 JavaScript 开发中广泛使用的工具&#xff0c;它们结合起来可以提供以下作用和优势&#xff1a; 代码格式化和风格统一&#xff1a; Prettier 是一个代码格式化工具&#xff0c;能够自动化地处理代码的缩进、空格、换行等格式问题&#xff0c;…
阅读更多...
【PHP陪玩系统源码】游戏陪玩系统app，陪玩小程序优势

【PHP陪玩系统源码】游戏陪玩系统app，陪玩小程序优势

陪玩系统开发运营级别陪玩成品搭建 支持二开源码交付&#xff0c;游戏开黑陪玩系统: 多客陪玩系统&#xff0c;游戏开黑陪玩&#xff0c;线下搭子&#xff0c;开黑陪玩系统 前端uniapp后端php&#xff0c;数据库MySQL 1、长时间的陪玩APP源码开发经验&#xff0c;始终坚持从客户…
阅读更多...
JAVA中的集合有哪些？？？

JAVA中的集合有哪些？？？

引言; Java 中的集合类主要分为两大类:Collection 接口和 Map 接口。前者是存储对象的集合类&#xff0c;后者存储的是键值对(key-value)。 &#xff08;这是在IntelliJ IDEA中使用Diagram功能来操作绘制的UML类图&#xff09; Set&#xff08;实现类&#xff09; HashSet: 基…
阅读更多...
安全中心 (SOC) 与 网络运营中心 (NOC)

安全中心 (SOC) 与 网络运营中心 (NOC)

NOC 和 SOC 之间的区别 网络运营中心 (NOC) 负责维护公司计算机系统的技术基础设施&#xff0c;而安全运营中心 (SOC) 则负责保护组织免受网络威胁。 NOC 专注于防止自然灾害、停电和互联网中断等自然原因造成的网络干扰&#xff0c;而 SOC 则从事监控、管理和保护。 NOC 提…
阅读更多...
《Windows PE》3.2.3 NT头-扩展头

《Windows PE》3.2.3 NT头-扩展头

■扩展头&#xff08;可选标头仅限映像文件&#xff09; OptionalHeader字段描述了可执行文件的更多细节和布局信息&#xff0c;如图像基址、入口点、数据目录、节表等。它的具体结构取决于文件的机器架构&#xff0c;可以是IMAGE_OPTIONAL_HEADER32&#xff08;32位&#xff…
阅读更多...
简单线性回归分析-基于R语言

简单线性回归分析-基于R语言

本题中&#xff0c;在不含截距的简单线性回归中&#xff0c;用零假设对统计量进行假设检验。首先&#xff0c;我们使用下面方法生成预测变量x和响应变量y。 set.seed(1) x <- rnorm(100) y <- 2*xrnorm(100) &#xff08;a&#xff09;不含截距的线性回归模型构建。 &…
阅读更多...
如何选择合适的跨境网络专线？

如何选择合适的跨境网络专线？

选择合适的跨境网络专线对于保障企业的国际业务顺畅运行至关重要。以下是一些选择跨境网络专线时可以参考的关键点&#xff1a; 服务商的信誉和经验&#xff1a;首先考察服务商的市场声誉和行业经验。一个好的服务商应该拥有良好的客户评价和成功案例&#xff0c;这表明他们有能…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023