PCL滤波配准常用的滤波方式

最近在看PCL滤波配准等操作，之前在自动驾驶-激光雷达预处理/特征提取和提到了一些滤除点云等操作，但是最近作者发现里面还有一些配准的方法还没有提到，所以这里重新开个章节来给大家列举一些常用的滤波方式，方便大家查阅和使用

滤波&聚类

1.1 直通滤波器

void pass_through_filter(const pcl::PointCloud< pcl::PointXYZRGB >::Ptr &input_cloud) //直通滤波器    {        std::cout < < "start pass_through_filter" < < std::endl;        calc_sight_center(); //计算视点中心,视点中心为滤波器的输入参数        // 
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 >);                                                                         //构建范围限制条件        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("x", pcl::ComparisonOps::GT, centerX_ - 1.5))); // x坐标大于视点中心x坐标-1.5        range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("x", pcl::ComparisonOps::LT, centerX_ + 1.5))); // x坐标小于视点中心x坐标+1.5       
 range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("y", pcl::ComparisonOps::GT, centerY_ - 1.5))); // y坐标大于视点中心y坐标-1.5        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("y", pcl::ComparisonOps::LT, centerY_ + 1.5))); // y坐标小于视点中心y坐标+1.5        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("z", pcl::ComparisonOps::GT, centerZ_ - 1.5))); // z坐标大于视点中心z坐标-1.5        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("z", pcl::ComparisonOps::LT, centerZ_ + 1.5))); // z坐标小于视点中心z坐标+1.5        //构建滤波器 
       pcl::ConditionalRemoval< pcl::PointXYZRGB > condrem; //构建滤波器
        condrem.setCondition(range_limit);                 //设置滤波条件
        condrem.setInputCloud(input_cloud);                //设置输入点云        //滤波操作       
 condrem.filter(*input_cloud);    }

1.2 离群点滤波器

void statical_outlier_filter(const pcl::PointCloud<PointXYZRGB>::Ptr &input_cloud, int nr_k, double stddev_mult) //滤波器移除离群点    {        pcl::StatisticalOutlierRemoval<PointXYZRGB> sorfilter(true); //构建滤波器        sorfilter.setInputCloud(input_cloud);        sorfilter.setMeanK(nr_k);                  //设置在进行统计时考虑的临近点个数        sorfilter.setStddevMulThresh(stddev_mult); //设置判断是否为离群点的阀值，用来倍乘标准差，也就是上面的stddev_mult        sorfilter.filter(*input_cloud);            //滤波结果存储到cloud_filtered    }

1.3 体素化滤波器

void voxel_filter(const pcl::PointCloud< PointXYZRGB >::Ptr &input_cloud, float resolution) //体素化滤波器  
  {        pcl::VoxelGrid< PointXYZRGB > voxel_grid; //构建体素化滤波器
        voxel_grid.setInputCloud(input_cloud);   //设置输入点云        
voxel_grid.setLeafSize(resolution, resolution, resolution); //设置体素的大小        voxel_grid.filter(*input_cloud); //滤波结果存储到cloud_filtered    }

1.4 平面点滤除

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); //平面参数矩阵        
pcl::PointIndices::Ptr inliers(new pcl::PointIndices);                //平面内点索引        // Create the 
segmentation object        pcl::SACSegmentation< pcl::PointXYZRGB > seg; //构建分割对象        
seg.setOptimizeCoefficients(true);                   //设置是否优化系数        
seg.setModelType(pcl::SACMODEL_PERPENDICULAR_PLANE); //设置模型类型为平面       
 seg.setMethodType(pcl::SAC_RANSAC);                  //设置分割方法为RANSAC        

seg.setMaxIterations(500);                           //设置最大迭代次数        seg.setAxis(axis);                                   //设置分割轴        seg.setEpsAngle(0.25);                               //设置角度阈值       
 seg.setDistanceThreshold(plane_thickness);           //设置距离阈值  0.025 0.018       
 seg.setInputCloud(input_cloud);                      //设置输入点云        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); //设置输入点云        extract.setIndices(inliers);        //设置索引,用来滤除        extract.setNegative(true);          //设置是否滤除索引内的点        extract.filter(*input_cloud);        return true;    }

1.5 RGBD颜色特征聚类

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) //根据点云的颜色完成聚类    {        std::vector<pcl::PointIndices> clusters_indices;                                              //聚类索引        pcl::search::KdTree<pcl::PointXYZRGB>::Ptr kdtree(new pcl::search::KdTree<pcl::PointXYZRGB>); //构建kd树        kdtree->setInputCloud(input_cloud);                                                           //设置输入点云        // 基于颜色的区域生长聚类对象        

pcl::RegionGrowingRGB<pcl::PointXYZRGB> clustering;        clustering.setInputCloud(input_cloud);        clustering.setSearchMethod(kdtree); //设置搜索方法        // 这里，最小簇大小也会影响后处理步骤: 小于这个值的clusters_indices将与邻点合并。       
clustering.setMinClusterSize(min_cluster_size); //设置最小簇大小        // 设置距离阈值，以知道哪些点将被视为，邻点        clustering.setDistanceThreshold(distance_th); // 1        // 颜色阈值，用于比较两个点的RGB颜色        clustering.setPointColorThreshold(color_th); // 9 6.5 25.0f 18.0f        // 后处理步骤的区域颜色阈值:颜色在阈值内的clusters_indices将合并为一个。       
clustering.setRegionColorThreshold(region_color_th); // 2        //区域耦合时检查的附近的数量。默认为100， 在不影响结果的范围内适度设定小范围。       
clustering.setNumberOfRegionNeighbours(num_nbr); //设置近邻数量        // 
clustering.setSmoothModeFlag(true);        // clustering.setSmoothnessThreshold(0.95);        
clustering.extract(clusters_indices); //提取聚类索引        for (std::vector<pcl::PointIndices>::const_iterator i = clusters_indices.begin(); i != 
clusters_indices.end(); ++i)//遍历聚类索引        {            
pcl::PointCloud<pcl::PointXYZRGB>::Ptr cluster(new 
pcl::PointCloud<pcl::PointXYZRGB>); //构建聚类点云            for 
(std::vector<int>::const_iterator pit = i->indices.begin(); pit != i->indices.end(); ++pit) //遍历聚类索引中的点索引            {                cluster->points.push_back(input_cloud->points[*pit]); //将点添加到聚类点云            }            cluster->width = cluster->points.size();            cluster->height = 1;            cluster->is_dense = true;            clusters.push_back(cluster); //将聚类点云添加到聚类点云集合中        }    }