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 半径滤波实现

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

        半径滤波（Radius Outlier Removal） 是一种点云滤波技术，主要用于去除孤立点或稀疏点。半径滤波通过检查每个点的邻域内的点的数量，来判断该点是否保留。如果某个点在给定半径内的邻居点数量低于用户定义的阈值，则该点会被认为是离群点并被删除。

1.1原理

        半径滤波的基本思想是：对于点云中的每个点，检查在一定半径内的邻居点数量。假如某点的邻居数量低于预定阈值，则认为该点为噪声点或异常点，将其剔除。半径和邻居数量这两个参数决定了滤波的效果。

1.2实现步骤

1. 读取点云数据。
2. 设置半径滤波的参数，包括搜索半径和最小邻居数。
3. 应用半径滤波，生成过滤后的点云。
4. 可视化原始点云和过滤后的点云。

1.3应用场景

1. 去除噪声点：在点云数据采集中，由于传感器噪声、环境干扰等原因，可能会产生一些离群点，半径滤波可以有效去除这些噪声点。
2. 稀疏点云处理：在处理稀疏点云时，半径滤波可以剔除那些孤立存在的点。
3. 数据预处理：为点云的其他处理任务提供更干净的输入数据。

二、代码实现

2.1关键函数

2.1.1 半径滤波实现

通过设置邻域半径和最小邻居数量，应用半径滤波。

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

// 半径滤波函数
pcl::PointCloud<pcl::PointXYZ>::Ptr radiusOutlierRemoval(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 输入点云
    float radius,                               // 半径大小
    int min_neighbors                           // 最小邻居数量
)
{
    // 创建半径滤波对象，并设置参数
    pcl::RadiusOutlierRemoval<pcl::PointXYZ> outrem;
    outrem.setInputCloud(cloud);                // 设置输入点云
    outrem.setRadiusSearch(radius);             // 设置半径
    outrem.setMinNeighborsInRadius(min_neighbors);  // 设置最小邻居数

    // 滤波后的点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    outrem.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半径滤波后的点云。

#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("Radius 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/radius_outlier_removal.h>  // 半径滤波
#include <pcl/visualization/pcl_visualizer.h>

// 半径滤波函数
pcl::PointCloud<pcl::PointXYZ>::Ptr radiusOutlierRemoval(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 输入点云
    float radius,                               // 半径大小
    int min_neighbors                           // 最小邻居数量
)
{
    // 创建半径滤波对象，并设置参数
    pcl::RadiusOutlierRemoval<pcl::PointXYZ> outrem;
    outrem.setInputCloud(cloud);                // 设置输入点云
    outrem.setRadiusSearch(radius);             // 设置半径
    outrem.setMinNeighborsInRadius(min_neighbors);  // 设置最小邻居数

    // 滤波后的点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    outrem.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("Radius 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
    }

    // -------------------------------半径滤波---------------------------------
    float radius = 0.002;   // 设置搜索半径
    int min_neighbors = 6;  // 设置最小邻居数
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud = radiusOutlierRemoval(cloud, radius, min_neighbors);  // 应用半径滤波

    // ------------------------------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;
}

三、实现效果