PCL 点云统计滤波

news2024/11/26 20:25:59

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 统计滤波实现

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

统计滤波（Statistical Outlier Removal, SOR）是一种常用的点云去噪方法。统计滤波通过分析点云中每个点的邻域信息，计算其与邻域内其他点的距离平均值，并将与邻居点的距离过大的点（离群点）去除。这种方法在保留点云主要结构的同时，可以有效地去除孤立点或噪声点。

1.1原理

统计滤波的基本思想是：对于每个点，计算它的邻域中其他点的平均距离，判断这个点与其邻域中其他点的距离是否显著偏离。如果距离偏离较大，则认为该点是噪声点或离群点，将其剔除。

过滤步骤：

计算每个点的邻居点的距离平均值。
将这些平均值与预定的标准偏差范围进行比较。
如果某点的平均距离超出设定的阈值范围，则认为该点为离群点，剔除该点。

1.2实现步骤

读取点云数据。
设置统计滤波器的参数，包括邻居数量和标准偏差阈值。
应用统计滤波，生成过滤后的点云。
可视化原始点云和过滤后的点云。

1.3应用场景

去除噪声点：有效地去除由于传感器噪声或外界干扰导致的孤立点或异常点。
预处理：为点云的后续处理（如重建或配准）提供干净的输入点云数据。
数据清理：在稠密点云中消除孤立的稀疏点。

二、代码实现

2.1关键函数

2.1.1 统计滤波实现

通过设置邻域搜索的邻居数量和标准偏差阈值，应用统计滤波。

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/statistical_outlier_removal.h>

// 统计滤波函数
pcl::PointCloud<pcl::PointXYZ>::Ptr statisticalOutlierRemoval(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 输入点云
    int mean_k,                                 // 邻居数量
    double std_dev_mul_thresh                   // 标准偏差阈值
)
{
    // 创建统计滤波对象，并设置参数
    pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
    sor.setInputCloud(cloud);                   // 设置输入点云
    sor.setMeanK(mean_k);                       // 设置每个点的邻域中邻居点的数量
    sor.setStddevMulThresh(std_dev_mul_thresh); // 设置标准偏差乘数阈值
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    sor.filter(*filtered_cloud);  // 应用滤波

    return filtered_cloud;  // 返回过滤后的点云
}

2.1.2 可视化函数

使用 PCL 可视化库展示原始点云和统计滤波后的点云。

#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和过滤后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,          // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud  // 过滤后的点云
)
{
    // 创建可视化器
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Statistical Outlier Removal Viewer"));

    // 创建视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);          // 创建左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);           // 设置白色背景
    viewer->addText("Raw Point Clouds", 10, 10, "v1_text", vp_1);  // 添加标题

    // 设置原始点云的颜色为红色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud<pcl::PointXYZ>(cloud, cloud_color_handler, "original_cloud", vp_1);  // 添加原始点云

    // 创建视口2，显示过滤后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);          // 创建右侧窗口
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);        // 设置浅灰色背景
    viewer->addText("Filtered Point Clouds", 10, 10, "v2_text", vp_2);  // 添加标题

    // 设置过滤后的点云的颜色为绿色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> filtered_cloud_color_handler(filtered_cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud<pcl::PointXYZ>(filtered_cloud, filtered_cloud_color_handler, "filtered_cloud", vp_2);  // 添加过滤后的点云

    // 设置点的大小（可选）
    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);

    // 启动可视化循环
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);  // 刷新可视化器
    }
}

2.2完整代码

// C++头文件
#include <iostream>
// PCL头文件
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/statistical_outlier_removal.h>  // 统计滤波
#include <pcl/visualization/pcl_visualizer.h>

// 统计滤波函数
pcl::PointCloud<pcl::PointXYZ>::Ptr statisticalOutlierRemoval(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 输入点云
    int mean_k,                                 // 邻居数量
    double std_dev_mul_thresh                   // 标准偏差阈值
)
{
    // 创建统计滤波对象，并设置参数
    pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
    sor.setInputCloud(cloud);                   // 设置输入点云
    sor.setMeanK(mean_k);                       // 设置每个点的邻域中邻居点的数量
    sor.setStddevMulThresh(std_dev_mul_thresh); // 设置标准偏差乘数阈值
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    sor.filter(*filtered_cloud);  // 应用滤波

    return filtered_cloud;  // 返回过滤后的点云
}

// 可视化原始点云和过滤后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,          // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud  // 过滤后的点云
)
{
    // 创建可视化器
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Statistical Outlier Removal Viewer"));

    // 创建视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);          // 创建左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);           // 设置白色背景
    viewer->addText("Raw Point Clouds", 10, 10, "v1_text", vp_1);  // 添加标题

    // 设置原始点云的颜色为红色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud<pcl::PointXYZ>(cloud, cloud_color_handler, "original_cloud", vp_1);  // 添加原始点云

    // 创建视口2，显示过滤后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);          // 创建右侧窗口
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);        // 设置浅灰色背景
    viewer->addText("Filtered Point Clouds", 10, 10, "v2_text", vp_2);  // 添加标题

    // 设置过滤后的点云的颜色为绿色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> filtered_cloud_color_handler(filtered_cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud<pcl::PointXYZ>(filtered_cloud, filtered_cloud_color_handler, "filtered_cloud", vp_2);  // 添加过滤后的点云

    // 设置点的大小（可选）
    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);

    // 启动可视化循环
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);  // 刷新可视化器
    }
}

int main(int argc, char** argv)
{
    // ------------------------------读取点云数据---------------------------------
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile("ro_bunny.pcd", *cloud) < 0)
    {
        PCL_ERROR("Could not read file\n");
        return (-1);  // 返回错误
    }

    // -------------------------------统计滤波---------------------------------
    int mean_k = 50;               // 设置邻居数量
    double std_dev_mul_thresh =1.0;  // 设置标准偏差乘数阈值
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud = statisticalOutlierRemoval(cloud, mean_k, std_dev_mul_thresh);  // 应用统计滤波

    // ------------------------------可视化原始点云和过滤后的点云---------------------------------
    visualizePointClouds(cloud, filtered_cloud);  // 调用可视化函数

    return 0;
}