最近在看PCL濾波配準(zhǔn)等操作，之前在自動(dòng)駕駛-激光雷達(dá)預(yù)處理/特征提取和提到了一些濾除點(diǎn)云等操作，但是最近作者發(fā)現(xiàn)里面還有一些配準(zhǔn)的方法還沒有提到，所以這里重新開個(gè)章節(jié)來(lái)給大家列舉一些常用的濾波方式，方便大家查閱和使用

濾波&聚類

1.1 直通濾波器

void pass_through_filter(const pcl::PointCloud< pcl::PointXYZRGB >::Ptr &input_cloud) //直通濾波器    {        std::cout < < "start pass_through_filter" < < std::endl;        calc_sight_center(); //計(jì)算視點(diǎn)中心,視點(diǎn)中心為濾波器的輸入?yún)?shù)        // 
void ex_segmentor::calc_sight_center()        // {        // double roll, pitch, yaw;        // 
tf::Quaternion quat_tmp;        // tf::quaternionMsgToTF(latest_camera_pos_.pose.pose.orientation, quat_tmp);        // tf::Matrix3x3(quat_tmp).getRPY(roll, pitch, yaw);        // centerX_ = latest_camera_pos_.pose.pose.position.x + gaze_length_ * cos(yaw);        //
 centerY_ = latest_camera_pos_.pose.pose.position.y + gaze_length_ * sin(yaw);        // 
centerZ_ = latest_camera_pos_.pose.pose.position.z - gaze_length_ * sin(pitch);        // }        // 
build the condition        pcl::ConditionAnd< pcl::PointXYZRGB >::Ptr range_limit(new pcl::ConditionAnd< pcl::PointXYZRGB >);                                                                         //構(gòu)建范圍限制條件        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("x", pcl::ComparisonOps::GT, centerX_ - 1.5))); // x坐標(biāo)大于視點(diǎn)中心x坐標(biāo)-1.5        range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("x", pcl::ComparisonOps::LT, centerX_ + 1.5))); // x坐標(biāo)小于視點(diǎn)中心x坐標(biāo)+1.5       
 range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("y", pcl::ComparisonOps::GT, centerY_ - 1.5))); // y坐標(biāo)大于視點(diǎn)中心y坐標(biāo)-1.5        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("y", pcl::ComparisonOps::LT, centerY_ + 1.5))); // y坐標(biāo)小于視點(diǎn)中心y坐標(biāo)+1.5        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("z", pcl::ComparisonOps::GT, centerZ_ - 1.5))); // z坐標(biāo)大于視點(diǎn)中心z坐標(biāo)-1.5        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("z", pcl::ComparisonOps::LT, centerZ_ + 1.5))); // z坐標(biāo)小于視點(diǎn)中心z坐標(biāo)+1.5        //構(gòu)建濾波器 
       pcl::ConditionalRemoval< pcl::PointXYZRGB > condrem; //構(gòu)建濾波器
        condrem.setCondition(range_limit);                 //設(shè)置濾波條件
        condrem.setInputCloud(input_cloud);                //設(shè)置輸入點(diǎn)云        //濾波操作       
 condrem.filter(*input_cloud);    }

1.2 離群點(diǎn)濾波器

void statical_outlier_filter(const pcl::PointCloud<PointXYZRGB>::Ptr &input_cloud, int nr_k, double stddev_mult) //濾波器移除離群點(diǎn)    {        pcl::StatisticalOutlierRemoval<PointXYZRGB> sorfilter(true); //構(gòu)建濾波器        sorfilter.setInputCloud(input_cloud);        sorfilter.setMeanK(nr_k);                  //設(shè)置在進(jìn)行統(tǒng)計(jì)時(shí)考慮的臨近點(diǎn)個(gè)數(shù)        sorfilter.setStddevMulThresh(stddev_mult); //設(shè)置判斷是否為離群點(diǎn)的閥值，用來(lái)倍乘標(biāo)準(zhǔn)差，也就是上面的stddev_mult        sorfilter.filter(*input_cloud);            //濾波結(jié)果存儲(chǔ)到cloud_filtered    }

1.3 體素化濾波器

void voxel_filter(const pcl::PointCloud< PointXYZRGB >::Ptr &input_cloud, float resolution) //體素化濾波器  
  {        pcl::VoxelGrid< PointXYZRGB > voxel_grid; //構(gòu)建體素化濾波器
        voxel_grid.setInputCloud(input_cloud);   //設(shè)置輸入點(diǎn)云        
voxel_grid.setLeafSize(resolution, resolution, resolution); //設(shè)置體素的大小        voxel_grid.filter(*input_cloud); //濾波結(jié)果存儲(chǔ)到cloud_filtered    }

1.4 平面點(diǎn)濾除

bool remove_plane(const pcl::PointCloud< PointXYZRGB >::Ptr &input_cloud, const Eigen::Vector3f &axis, double plane_thickness) //移除平面    {        pcl::ModelCoefficients::Ptr 
coefficients(new pcl::ModelCoefficients); //平面參數(shù)矩陣        
pcl::PointIndices::Ptr inliers(new pcl::PointIndices);                //平面內(nèi)點(diǎn)索引        // Create the 
segmentation object        pcl::SACSegmentation< pcl::PointXYZRGB > seg; //構(gòu)建分割對(duì)象        
seg.setOptimizeCoefficients(true);                   //設(shè)置是否優(yōu)化系數(shù)        
seg.setModelType(pcl::SACMODEL_PERPENDICULAR_PLANE); //設(shè)置模型類型為平面       
 seg.setMethodType(pcl::SAC_RANSAC);                  //設(shè)置分割方法為RANSAC        

seg.setMaxIterations(500);                           //設(shè)置最大迭代次數(shù)        seg.setAxis(axis);                                   //設(shè)置分割軸        seg.setEpsAngle(0.25);                               //設(shè)置角度閾值       
 seg.setDistanceThreshold(plane_thickness);           //設(shè)置距離閾值  0.025 0.018       
 seg.setInputCloud(input_cloud);                      //設(shè)置輸入點(diǎn)云        seg.segment(*inliers, 
*coefficients);                //分割平面        if (inliers- >indices.size() < 500)        {            // 
ROS_INFO("plane size is not enough large to remove.");            return false;        }       
 pcl::ExtractIndices< pcl::PointXYZRGB > extract;        extract.setInputCloud(input_cloud); //設(shè)置輸入點(diǎn)云        extract.setIndices(inliers);        //設(shè)置索引,用來(lái)濾除        extract.setNegative(true);          //設(shè)置是否濾除索引內(nèi)的點(diǎn)        extract.filter(*input_cloud);        return true;    }

1.5 RGBD顏色特征聚類

void clustoring_with_color(pcl::PointCloud<pcl::PointXYZRGB>::Ptr &input_cloud, std::vector<pcl::PointCloud<PointXYZRGB>::Ptr> &clusters, int min_cluster_size, float distance_th, float color_th, float region_color_th, unsigned int num_nbr) //根據(jù)點(diǎn)云的顏色完成聚類    {        std::vector<pcl::PointIndices> clusters_indices;                                              //聚類索引        pcl::search::KdTree<pcl::PointXYZRGB>::Ptr kdtree(new pcl::search::KdTree<pcl::PointXYZRGB>); //構(gòu)建kd樹        kdtree->setInputCloud(input_cloud);                                                           //設(shè)置輸入點(diǎn)云        // 基于顏色的區(qū)域生長(zhǎng)聚類對(duì)象        

pcl::RegionGrowingRGB<pcl::PointXYZRGB> clustering;        clustering.setInputCloud(input_cloud);        clustering.setSearchMethod(kdtree); //設(shè)置搜索方法        // 這里，最小簇大小也會(huì)影響后處理步驟: 小于這個(gè)值的clusters_indices將與鄰點(diǎn)合并。       
clustering.setMinClusterSize(min_cluster_size); //設(shè)置最小簇大小        // 設(shè)置距離閾值，以知道哪些點(diǎn)將被視為，鄰點(diǎn)        clustering.setDistanceThreshold(distance_th); // 1        // 顏色閾值，用于比較兩個(gè)點(diǎn)的RGB顏色        clustering.setPointColorThreshold(color_th); // 9 6.5 25.0f 18.0f        // 后處理步驟的區(qū)域顏色閾值:顏色在閾值內(nèi)的clusters_indices將合并為一個(gè)。       
clustering.setRegionColorThreshold(region_color_th); // 2        //區(qū)域耦合時(shí)檢查的附近的數(shù)量。默認(rèn)為100， 在不影響結(jié)果的范圍內(nèi)適度設(shè)定小范圍。       
clustering.setNumberOfRegionNeighbours(num_nbr); //設(shè)置近鄰數(shù)量        // 
clustering.setSmoothModeFlag(true);        // clustering.setSmoothnessThreshold(0.95);        
clustering.extract(clusters_indices); //提取聚類索引        for (std::vector<pcl::PointIndices>::const_iterator i = clusters_indices.begin(); i != 
clusters_indices.end(); ++i)//遍歷聚類索引        {            
pcl::PointCloud<pcl::PointXYZRGB>::Ptr cluster(new 
pcl::PointCloud<pcl::PointXYZRGB>); //構(gòu)建聚類點(diǎn)云            for 
(std::vector<int>::const_iterator pit = i->indices.begin(); pit != i->indices.end(); ++pit) //遍歷聚類索引中的點(diǎn)索引            {                cluster->points.push_back(input_cloud->points[*pit]); //將點(diǎn)添加到聚類點(diǎn)云            }            cluster->width = cluster->points.size();            cluster->height = 1;            cluster->is_dense = true;            clusters.push_back(cluster); //將聚類點(diǎn)云添加到聚類點(diǎn)云集合中        }    }