主要目的就是根据已知的ROI区域，对点云进行裁剪。要么留下点云ROI区域，要么去除。
ROI区域一般都是一个矩形，即（x，y，width，height）。
那么封装的函数形式一般如下：

pcl::PointCloud<pcl::PointXYZ>::Ptr CloudClipper(pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud,double x,double y, double width, double height)
{
	// 实现点云滤波

    // 创建滤波后点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>());
    // 调用filter方法得到滤波后点云

	return cloud_filtered;
}

比较简单直接粗暴的方法就是使用直通滤波

PCL库中其实有条件滤波的，感觉听起来确实很像想要用的滤波器，于是就尝试了一下

#include <pcl/filters/conditional_removal.h>
pcl::PointCloud<pcl::PointXYZ>::Ptr ConditionFilter(const pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud, double x, double y, double width, double height)
    {
        //创建条件限定下的滤波器
        //pcl::ConditionBase
        pcl::ConditionAnd<pcl::PointXYZ>::Ptr range_cond(new pcl::ConditionAnd<pcl::PointXYZ>());
        //创建条件定义对象
        //为条件定义对象添加比较算子: 使用大于0.0和小于0.8这两个条件用于建立滤波器。
        range_cond->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(new
            pcl::FieldComparison<pcl::PointXYZ>("x", pcl::ComparisonOps::GT, x)));
        //添加在x字段上大于0的比较算子  
        range_cond->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(new
            pcl::FieldComparison<pcl::PointXYZ>("x", pcl::ComparisonOps::LT, x + width)));
        //添加在x字段上小于0.8的比较算子
        
        range_cond->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(new
            pcl::FieldComparison<pcl::PointXYZ>("y", pcl::ComparisonOps::GT, y)));
        range_cond->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(new
            pcl::FieldComparison<pcl::PointXYZ>("y", pcl::ComparisonOps::LT, y + height)));

        //创建滤波器并用条件定义对象初始化
        pcl::ConditionalRemoval<pcl::PointXYZ> condrem;
        condrem.setCondition(range_cond);
        condrem.setInputCloud(cloud);           //设置输入点云
        condrem.setKeepOrganized(false);         //设置保持点云的结构:为true时被剔除的点为NAN
        
        //condrem.setUserFilterValue(0.1f);
        //condrem.getIndices
        pcl::IndicesConstPtr inliers = condrem.getRemovedIndices();
        if (inliers != nullptr)
        {
            std::cout << "indice number: " << inliers->size() << std::endl;
        }
        
        
        pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>());
        condrem.filter(*cloud_filtered);        //执行条件滤波，存储结果到cloud_filtered

        std::cout << "filter size: " << cloud_filtered->points.size() << std::endl;
       /* pcl::IndicesConstPtr inliers = condrem.getRemovedIndices();
        pcl::copyPointCloud<pcl::PointXYZ>(*cloud, *inliers, *cloud_filtered);*/
        return cloud_filtered;
    }

逐行解释：
1.首先需要创建一个条件定义对象，用于设定条件。其实条件主要有两种pcl::ConditionAndpcl::PointT::Ptr和pcl::ConditionOrpcl::PointT::Ptr，前者是与条件，意思是所有条件都要满足，其实就是每个条件得到的点云求交集，后者是或条件，那么就是每个条件滤波结果求并集。可以根据需要进行使用。

2.设置字段，即range_cond->addComparison(pcl::FieldComparisonpcl::PointXYZ::ConstPtr(new
pcl::FieldComparisonpcl::PointXYZ(“x”, pcl::ComparisonOps::GT, x)));中的“x”其实是指点云的点的x坐标值，如果是“r”可以筛选出RGB中R通道的值，那么点云的数据结构必须是PointXYZRGB而不是PointXYZ，这个得注意。另外对于pcl::ComparisonOps::GT和pcl::ComparisonOps::LT，其实GT就是greater than即大于，LT就是less than即小于。

3.//创建滤波器并用条件定义对象初始化
pcl::ConditionalRemovalpcl::PointXYZ condrem;
condrem.setCondition(range_cond);
condrem.setInputCloud(cloud); //设置输入点云
以上几句无非是实例化滤波器对象后，将上述设置好了的条件和点云都输入进去

4.setKeepOrganized则是用于进行条件移除之后是否保持点云的有序性，但是一般处理的点云都是无序点云，大多数情况下这个地方设置为false，但一定要视实际情况而定。如果无序点云中的点之间不存在明确定义的拓扑关系，例如没有明确的连接关系或者边界关系，那么在移除点云中的一些点后，点云的有序属性也会被破坏。此时，即使设置 setKeepOrganized 为 true，输出点云仍然是无序的。

5.setUserFilterValue：该函数用于设置条件移除的阈值参数。对于某些条件（例如欧式距离），需要指定阈值才能进行移除。setUserFilterValue 函数可以设置这个阈值。该函数需要传递一个模板参数，表示阈值的类型，可以是 float、double、int 等。在使用 setUserFilterValue 函数时，应该根据实际情况设置合适的阈值，避免移除过多或者过少的点。

6.条件滤波器还可以得到
condrem.getIndices();
condrem.getRemovedIndices();即得到点的索引和去除点的索引。有的滤波器中有setNegative方法，设置为true时可以得到滤波器滤掉的点，设置为false时可以得到滤波器留下来的点。但是条件滤波器中没有该方法。于是想通过得到去除点的索引，然后再通过pcl::copyPointCloudpcl::PointXYZ(*cloud, *inliers, *cloud_filtered);提取得到滤波器去掉的点。结果发现滤波器得到的索引中size为0，也就是无索引。可能有以下几个原因：

在执行条件滤波操作之前，没有设置条件对象。条件滤波器必须先设置条件对象，才能根据条件对点云进行筛选。如果没有设置条件对象，则条件滤波器会将输入点云中的所有点都保留下来，因此“已移除索引”列表中就没有任何点。

设置的条件不满足任何点。如果设置的条件不满足输入点云中的任何点，则条件滤波器不会移除任何点，因此“已移除索引”列表中也就没有任何点。

使用的数据类型不正确。条件滤波器的输入点云和条件对象都必须是相同的数据类型，否则条件滤波器会出现异常，导致“已移除索引”列表为空。例如，如果输入点云是 XYZRGB 类型的，而条件对象是 XYZ 类型的，则条件滤波器会出现异常。

其实上述三个情况都没问题。可是为啥size为0呢，是点云数据结构中本身就没有索引嘛？？？

而使用condrem.getIndices();返回的更是一个nullptr空指针，原因如下：

1.在执行条件滤波操作之前，没有设置输入点云。条件滤波器必须设置输入点云，才能根据条件对点云进行筛选。如果没有设置输入点云，则 getIndices() 函数返回的指针是 nullptr。

2.条件滤波器没有将任何点移除。如果设置的条件不满足输入点云中的任何点，或者输入点云本身已经满足条件，条件滤波器不会移除任何点，因此 getIndices() 函数返回的指针是 nullptr。

3.没有启用索引输出。条件滤波器默认情况下不会输出被移除点的索引。如果要输出被移除点的索引，需要在条件滤波器上启用索引输出，即pcl::ConditionalRemovalpcl::PointXYZ condrem;
condrem.setKeepOrganized(true); // 启用索引输出
将setKeepOrganized设置为true后，getIndices返回的指针不为空了，但是size为输入点云的数量。而且！！！此时竟然无法滤除点云了。

后面发现其实pcl::IndicesPtr outliers = condrem.getIndices();放在condrem.filter(*cloud_filtered);后面之后，返回得指针也不为空，但是其size还是和输入的点云中点的size一致。

所以，目前通过条件滤波可以得到从点云中剪裁下来的点云，但是无法获取到除了剪裁下来的点之外的点。

使用crop_box进行剪裁

代码如下，可以直接使用

pcl::PointCloud<pcl::PointXYZ>::Ptr cropclipper3D(pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud, double x, double y, double width, double height)
    {
        pcl::PointXYZ min_point(x, y, -100);
        pcl::PointXYZ max_point(x + width, y + height, 100);
        Eigen::Vector4f minpt(x, y, -100, 1);
        Eigen::Vector4f maxpt(x + width, y + height, 100, 1);
        pcl::CropBox<pcl::PointXYZ> crop_box;
        crop_box.setMin(minpt);
        crop_box.setMax(maxpt);
        // 将点云限制在 3D 盒子内部或者外部，并保存输出点云
        pcl::PointCloud<pcl::PointXYZ>::Ptr clipped_cloud(new pcl::PointCloud<pcl::PointXYZ>);
        crop_box.setInputCloud(cloud);
        crop_box.setNegative(true);
        crop_box.filter(*clipped_cloud);
        return clipped_cloud;
    }

这个滤波器需要先确定box的两个坐标点，这两个点得是对角线上两个点（一个长方体距离最远的两个点）。然后这个滤波器就有我们之前提到的setNegative方法，就可以按照意愿来获取ROI内的点还是区域外的点。效果如下图所示，感觉还行


运行时间大概是44ms，这个速度感觉还好，如果能更快就好了。一块平面点云上如果有很多区域要提取或者裁剪掉，可以考虑多线程。

紧接着，想要研究BoxClipper3D的使用方法，但是找了好久终于在github上找到了，戳这里查看！