PCL：StatisticalOutlierRemoval ❤️ 统计滤波

Posted 2021-10-12 没事就要敲代码

文章目录

• • 1 原理
  • 2 代码实现
  • 3 结果展示

1 原理

对每一点的邻域进行统计分析，基于点到所有邻近点的距离分布特征，过滤掉一些不满足要求的离群点。该算法对整个输入进行 两次迭代：

在第一次迭代中，

1. 对于点云中的每一个点，找到该点的K近邻；
2. 计算每个点与它K近邻点的平局距离，结果满足高斯分布；
3. 计算这些距离的均值 $\mu$ 和标准差 $\sigma$；
4. 设置距离阈值 $d_{threshold}=\mu \pm k\cdot \sigma$，$k$ 为标准差乘数；

在下一次迭代中，如果点的平均邻域距离在区间 $[\mu -k\cdot \sigma ,\mu +k\cdot \sigma ]$ ，则该点为内点，予以保留，区间外的点为噪声点，予以删除。

2 代码实现

代码：

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

using namespace std;

int main()
{
	//--------------------------------- 加载点云 ---------------------------------
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);			//待滤波点云
	if (pcl::io::loadPCDFile("test.pcd", *cloud) < 0)
	{
		PCL_ERROR("\\a点云文件不存在！\\n");
		system("pause");
		return -1;
	}
	cout << "->加载点云中点的个数为：" << cloud->points.size() << endl;
	//============================================================================

	//--------------------------------- 统计滤波 ---------------------------------
	cout << "->正在进行统计滤波..." << endl;
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);	//滤波后点云
	pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;	//创建滤波器对象
	sor.setInputCloud(cloud);				//设置待滤波点云
	sor.setMeanK(10);						//设置查询点的半径范围
	sor.setStddevMulThresh(3);				//设置判断是否为离群点的阈值，即半径内至少包括的点数
	//sor.setNegative(true);				//默认false，保存内点；true，保存滤掉的外点
	sor.filter(*cloud_filtered);			//执行滤波，保存滤波结果于cloud_filtered
	//============================================================================

	//------------------------------- 保存滤波点云 --------------------------------
	cout << "->正在保存滤波点云..." << endl;
	if (!cloud_filtered->empty())
	{
		pcl::io::savePCDFileBinary("StatisticalOutlierRemoval.pcd", *cloud_filtered);
		cout << "->滤波后点云中的点数为" << cloud_filtered->points.size() << endl;
	}
	else
	{
		PCL_ERROR("\\a滤波结果点云为空！\\n");
		system("pause");
		return -1;
	}
	//============================================================================


	//-------------------------- 滤波前后对比可视化（选） ---------------------------
	pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("统计滤波前后对比"));
	///原始点云
	int v1(0);
	viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1); //设置第一个视口在X轴、Y轴的最小值、最大值，取值在0-1之间
	viewer->setBackgroundColor(0, 0, 0, v1); //设置背景颜色，0-1，默认黑色（0，0，0）
	viewer->addText("original_Pt", 10, 10, "v1_text", v1);
	viewer->addPointCloud<pcl::PointXYZ>(cloud, "original", v1);
	///半径滤波后点云
	int v2(0);
	viewer->createViewPort(0.5, 0.0, 1.0, 1.0, v2);
	viewer->setBackgroundColor(0.3, 0.3, 0.3, v2);
	viewer->addText("filtered_Pt", 10, 10, "v2_text", v2);
	viewer->addPointCloud<pcl::PointXYZ>(cloud_filtered, "filtered", v2);
	///设置相关属性
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original", v1);
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1, 0, 0, "original", v1);
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "filtered", v2);
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0, 1, 0, "filtered", v2);

	while (!viewer->wasStopped())
	{
		viewer->spinOnce(100);
		boost::this_thread::sleep(boost::posix_time::microseconds(100000));
	}
	//============================================================================

	return 0;
}

输出结果：

->加载点云中点的个数为：41049
->正在进行统计滤波...
->正在保存滤波点云...
->滤波后点云中的点数为40329

3 结果展示

---

相关链接：

PCL点云数据处理基础❤️❤️❤️目录