0、濾波算法概述

????????PCL點(diǎn)云庫(kù)中的濾波算法是處理點(diǎn)云數(shù)據(jù)不可或缺的一部分，它們能夠有效地去除噪聲、提取特征或進(jìn)行數(shù)據(jù)降維。例如，使用體素網(wǎng)格濾波（VoxelGrid）可以減少點(diǎn)云數(shù)據(jù)量，同時(shí)保留重要的形狀特征。此外，統(tǒng)計(jì)濾波器（StatisticalOutlierRemoval）能夠識(shí)別并移除離群點(diǎn)，這對(duì)于清理數(shù)據(jù)集中的異常值非常有用。在實(shí)際應(yīng)用中，濾波器的選擇和配置需要根據(jù)具體任務(wù)的需求來(lái)決定，比如在機(jī)器人導(dǎo)航中，可能需要使用半徑濾波器（RadiusOutlierRemoval）來(lái)去除距離傳感器過(guò)近或過(guò)遠(yuǎn)的點(diǎn)，以獲得更準(zhǔn)確的環(huán)境模型。通過(guò)這些濾波技術(shù)，可以顯著提高點(diǎn)云數(shù)據(jù)的質(zhì)量，為后續(xù)的處理和分析工作打下堅(jiān)實(shí)的基礎(chǔ)。在PCL點(diǎn)云濾波中，還有一種常見(jiàn)的濾波方法是條件濾波（ConditionalRemoval）。這種方法允許用戶(hù)根據(jù)自定義的條件來(lái)移除點(diǎn)云中的某些點(diǎn)。比如，可以根據(jù)點(diǎn)的坐標(biāo)范圍、顏色范圍或者法線(xiàn)方向等條件進(jìn)行過(guò)濾，以提取出滿(mǎn)足特定條件的點(diǎn)云子集。條件濾波的靈活性使得它適用于各種復(fù)雜的場(chǎng)景和需求。

????????除了上述提到的濾波方法外，PCL點(diǎn)云庫(kù)還提供了許多其他類(lèi)型的濾波算法，如雙邊濾波（BilateralFilter）和高斯濾波（GaussianFilter）等。雙邊濾波能夠在保留邊緣特征的同時(shí)平滑點(diǎn)云數(shù)據(jù)，非常適合于去除噪聲但又不希望破壞點(diǎn)云中的細(xì)節(jié)結(jié)構(gòu)。而高斯濾波則是一種更為簡(jiǎn)單的平滑濾波方法，它通過(guò)計(jì)算每個(gè)點(diǎn)周?chē)徲騼?nèi)的點(diǎn)的加權(quán)平均來(lái)更新該點(diǎn)的位置，從而達(dá)到平滑的效果。

????????在實(shí)際應(yīng)用中，PCL點(diǎn)云濾波算法的選擇通常需要綜合考慮多個(gè)因素，包括濾波效果、計(jì)算效率以及具體的應(yīng)用場(chǎng)景等。有時(shí)，為了獲得更好的濾波效果，可能需要結(jié)合使用多種濾波方法。例如，可以先使用體素網(wǎng)格濾波進(jìn)行數(shù)據(jù)下采樣，然后再使用統(tǒng)計(jì)濾波器去除剩余的噪聲點(diǎn)。這樣的組合使用可以充分發(fā)揮各種濾波算法的優(yōu)勢(shì)，達(dá)到最佳的濾波效果?？傊?#xff0c;PCL點(diǎn)云庫(kù)中的濾波算法為我們提供了強(qiáng)大的工具來(lái)處理和分析點(diǎn)云數(shù)據(jù)。通過(guò)合理選擇和使用這些濾波方法，我們可以有效地去除噪聲、提取特征或進(jìn)行數(shù)據(jù)降采樣，為后續(xù)的點(diǎn)云處理和分析工作提供有力的支持。下面我們將從條件濾波和直通濾波開(kāi)啟PCL庫(kù)中濾波算法之旅！

1、直通濾波算法（PassThrough? Filter）

1.1、算法原理

????????PCL庫(kù)中點(diǎn)云直通濾波算法是一種簡(jiǎn)單有效的點(diǎn)云數(shù)據(jù)處理方法，其核心思想是根據(jù)要濾波的字段（如，X軸，Y軸，Z軸）和設(shè)定閾值范圍α∈（limitMin，limitMax），如x∈[0.1,0.5],通過(guò)這個(gè)閾值來(lái)決定哪些點(diǎn)是噪聲點(diǎn)，哪些點(diǎn)是有效點(diǎn)。直觀式子如下：

????????在實(shí)際操作中，算法會(huì)遍歷點(diǎn)云數(shù)據(jù)集中的每一個(gè)點(diǎn)，根據(jù)預(yù)設(shè)的閾值條件來(lái)判斷該點(diǎn)是否保留。通常，這個(gè)條件可能與點(diǎn)的強(qiáng)度、距離、角度或其他特征有關(guān)。通過(guò)這種方式，可以有效地去除那些不符合條件的噪聲點(diǎn)，從而得到更加平滑和準(zhǔn)確的點(diǎn)云數(shù)據(jù)，為后續(xù)的處理和分析提供更加可靠的輸入。

1.2、主要成員函數(shù)和變量?

????????PCL庫(kù)中的pcl:PassThrough類(lèi)實(shí)現(xiàn)了比較靈活，完全取決于用戶(hù)設(shè)置的限定字段和對(duì)應(yīng)條件的直通濾波算法。主要的成員變量和函數(shù)有如下：

????????1、主要成員變量

????????1)、用戶(hù)所需要過(guò)濾字段名稱(chēng)

std::string filter_field_name_;

????????2）、限制的最小過(guò)濾值?

double filter_limit_min_;

????????3)、限制的最大過(guò)濾值

double filter_limit_max_;

????????2、主要成員函數(shù)

????????1）、設(shè)置限定字段的名稱(chēng)字符串field_name，例如"X"

void setFilterFieldName(const std::string &field_ name)

????????2）、設(shè)置濾波限制條件， 最小值limit_ min和最大值limit_max?

void setFilterLimits(const double &limit_min，const double &limit_max)

????????3）、設(shè)置返回濾波結(jié)果是限制條件外點(diǎn)還是內(nèi)部點(diǎn)，limit_negative默認(rèn)值為false，輸出點(diǎn)云為在設(shè)定字段的設(shè)定范圍內(nèi)的點(diǎn)集，如果設(shè)置為true則剛好相反

inline void setFilterLimitsNegative (const bool limit_negative)

1.3、主要部分代碼注解

template <typename PointT> void
pcl::PassThrough<PointT>::applyFilterIndices (std::vector<int> &indices)
{// The arrays to be usedindices.resize (indices_->size ());removed_indices_->resize (indices_->size ());int oii = 0, rii = 0;  // oii = 輸出索引, rii = 移除索引// 如果未指定濾波的字段，則僅僅是移除點(diǎn)云數(shù)據(jù)無(wú)效點(diǎn)if (filter_field_name_.empty ()){// 僅僅是移除點(diǎn)云數(shù)據(jù)無(wú)效點(diǎn)for (const auto ii : *indices_)  // ii = input index{// // 濾掉無(wú)效點(diǎn)if (!std::isfinite (input_->points[ii].x) ||!std::isfinite (input_->points[ii].y) ||!std::isfinite (input_->points[ii].z)){if (extract_removed_indices_)(*removed_indices_)[rii++] = ii;continue;}indices[oii++] = ii;}}else{// 獲取字段名稱(chēng)的索引，如字段“z",返回索引為：std::vector<pcl::PCLPointField> fields;int distance_idx = pcl::getFieldIndex<PointT> (filter_field_name_, fields);if (distance_idx == -1){PCL_WARN ("[pcl::%s::applyFilter] Unable to find field name in point type.\n", getClassName ().c_str ());indices.clear ();removed_indices_->clear ();return;}// 濾波算法主體，濾掉無(wú)效點(diǎn)和指定的字段限制值for (const auto ii : *indices_)  // ii = input index{// 濾掉無(wú)效點(diǎn)if (!std::isfinite (input_->points[ii].x) ||!std::isfinite (input_->points[ii].y) ||!std::isfinite (input_->points[ii].z)){if (extract_removed_indices_)(*removed_indices_)[rii++] = ii;//保留移除點(diǎn)的索引continue;}// 獲取指定字段的值，如x=0.3const std::uint8_t* pt_data = reinterpret_cast<const std::uint8_t*> (&input_->points[ii]);float field_value = 0;memcpy (&field_value, pt_data + fields[distance_idx].offset, sizeof (float));// 判斷獲取指定字段的值是否為無(wú)效點(diǎn)，如果是則移除掉if (!std::isfinite (field_value)){if (extract_removed_indices_)(*removed_indices_)[rii++] = ii;continue;}//negative_ 為false， 在字段限制值之外將會(huì)被移除，if (!negative_ && (field_value < filter_limit_min_ || field_value > filter_limit_max_)){if (extract_removed_indices_)(*removed_indices_)[rii++] = ii;continue;}// negative_ 為true，在字段限制值之外將會(huì)保留if (negative_ && field_value >= filter_limit_min_ && field_value <= filter_limit_max_){if (extract_removed_indices_)(*removed_indices_)[rii++] = ii;continue;}// 保留輸出內(nèi)點(diǎn)的索引indices[oii++] = ii;}}// Resize the output arraysindices.resize (oii);removed_indices_->resize (rii);
}

1.4、算法使用示例

/*****************************************************************//**
* \file   PCLPassthroughmain.cpp
* \brief  
*
* \author YZS
* \date   December 2024
*********************************************************************/
#include<iostream>
#include <vector>
#include <ctime>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/io/auto_io.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/filters/passthrough.h>
#include <pcl/filters/conditional_removal.h>
void Passthrough()
{// 隨機(jī)種子初始化srand(time(NULL));pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);// 生成點(diǎn)云數(shù)據(jù)3000個(gè)cloud->width = 1000;cloud->height = 1;cloud->points.resize(cloud->width * cloud->height);for (size_t i = 0; i < cloud->points.size(); ++i) {cloud->points[i].x = 10.0f * rand() / (RAND_MAX + 1.0f);cloud->points[i].y = 10.0f * rand() / (RAND_MAX + 1.0f);cloud->points[i].z = 10.0f * rand() / (RAND_MAX + 1.0f);}//保存濾波的結(jié)果pcl::PointCloud<pcl::PointXYZ>::Ptr cloudFilter(new  pcl::PointCloud<pcl::PointXYZ>);// 創(chuàng)建PassThrough濾波器對(duì)象pcl::PassThrough<pcl::PointXYZ> pass;//濾波器對(duì)象pass.setInputCloud(cloud);                 //設(shè)置需要濾波的點(diǎn)云pass.setFilterFieldName("y");              //設(shè)置需要濾波的字段pass.setFilterLimits(0.0, 5.0);            //設(shè)置限定范圍//pass.setFilterLimitsNegative (true);//是否反向過(guò)濾，默認(rèn)為falsepass.filter(*cloudFilter);          //執(zhí)行濾波//結(jié)果可視化// PCLVisualizer對(duì)象pcl::visualization::PCLVisualizer viewer("FilterVIS");//創(chuàng)建左右窗口的ID v1和v2int v1(0);int v2(1);//設(shè)置V1窗口尺寸和背景顏色viewer.createViewPort(0.0, 0.0, 0.5, 1, v1);viewer.setBackgroundColor(0, 0, 0, v1);//設(shè)置V2窗口尺寸和背景顏色viewer.createViewPort(0.5, 0.0, 1, 1, v2);viewer.setBackgroundColor(0.1, 0.1, 0.1, v2);//設(shè)置cloud1的渲染顏色，點(diǎn)云的ID和指定可視化窗口v1pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>   cloud1_color(cloud, 255, 255, 255);viewer.addPointCloud(cloud, cloud1_color, "cloud1", v1);viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE,  3, "cloud1");//設(shè)置cloud2的渲染顏色，點(diǎn)云的ID和指定可視化窗口v2pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>   cloud2_color(cloud, 250, 255, 255);viewer.addPointCloud(cloudFilter, cloud2_color, "cloud2", v2);viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE,  3, "cloud2");// 可視化循環(huán)主體while (!viewer.wasStopped()){viewer.spinOnce();}
}
int main(int argc, char* argv[])
{Passthrough();std::cout << "Hello World!" << std::endl;std::system("pause");return 0;
}

????????結(jié)果：

2、條件濾波算法（ConditionalRemoval?Filter?）

2.1、算法原理

????????點(diǎn)云濾波條件濾波算法原理基于設(shè)定的條件來(lái)篩選點(diǎn)云數(shù)據(jù)。與直通濾波算法不同，條件濾波算法不限于單一的軸向閾值，而是可以基于點(diǎn)云的多種屬性，如強(qiáng)度、顏色、法線(xiàn)方向等，來(lái)定義更為復(fù)雜的濾波規(guī)則。例如，可以設(shè)置一個(gè)強(qiáng)度閾值，僅保留強(qiáng)度在一定范圍內(nèi)的點(diǎn)，或者根據(jù)點(diǎn)的法線(xiàn)方向來(lái)過(guò)濾數(shù)據(jù)，只保留那些法線(xiàn)方向符合特定條件的點(diǎn)。因此，條件濾波允許用戶(hù)定義一個(gè)或多個(gè)條件表達(dá)式，這些表達(dá)式會(huì)應(yīng)用于點(diǎn)云數(shù)據(jù)集中的每一個(gè)點(diǎn)。算法會(huì)根據(jù)這些條件表達(dá)式來(lái)決定是否保留某個(gè)點(diǎn)。由于條件可以非常靈活，因此這種算法能夠適應(yīng)各種不同的應(yīng)用場(chǎng)景和需求。在實(shí)際應(yīng)用中，條件濾波算法可以實(shí)現(xiàn)更為精細(xì)的數(shù)據(jù)處理。例如，在自動(dòng)駕駛車(chē)輛的激光雷達(dá)數(shù)據(jù)處理中，可以使用條件濾波來(lái)去除地面反射的點(diǎn)，保留車(chē)輛和障礙物的點(diǎn)云數(shù)據(jù)。這樣的處理對(duì)于后續(xù)的物體檢測(cè)和分類(lèi)至關(guān)重要。

2.2、主要成員函數(shù)和變量

????????PCL庫(kù)中的pcl:ConditionalRemoval類(lèi)中提供了多種條件比較，如FieldComparison類(lèi)（字段比較）、PackedRGBComparison類(lèi)（RGB顏色比較）、PackedHSIComparison類(lèi)（HSI色彩比較）和TfQuadraticXYZComparison類(lèi)（二次項(xiàng)比較）等條件類(lèi)型，這些條件類(lèi)型最終通過(guò)ConditionOr類(lèi)和ConditionAnd類(lèi)來(lái)控制調(diào)用，用戶(hù)可以根據(jù)自己的需求來(lái)設(shè)置濾波條件。濾波算法中主要的成員變量有如下：

????????1、主要成員變量

????????1）、是否要保持點(diǎn)云數(shù)據(jù)的原始結(jié)構(gòu)，true，保持原始結(jié)構(gòu)，被濾波的點(diǎn)用NAN替代，false不保存原始結(jié)果。

bool keep_organized_;

????????2）、濾波比較條件

 ConditionBasePtr condition_;

????????濾波條件類(lèi)：

????????class ConditionAnd??當(dāng)所有比較條件值都為真時(shí)，ConditionAnd的值為真

????????class ConditionOr? ?當(dāng)任何比較條件的值為真時(shí)，ConditionOr的值為真

????????3）、用戶(hù)設(shè)置的過(guò)濾限定值

float user_filter_value_;

??????????2、主要成員函數(shù)

????????????1）、設(shè)置是否要保持點(diǎn)云數(shù)據(jù)的原始結(jié)構(gòu)

inline void setKeepOrganized (bool val)；

? ? ? ? ? ? 2）、設(shè)置用戶(hù)提供的過(guò)濾限定值?

inline void setUserFilterValue (float val)；

? ? ? ? ? ?3）、設(shè)置過(guò)濾器所用條件。每個(gè)參數(shù)條件都必須滿(mǎn)足，以確保數(shù)據(jù)點(diǎn)不會(huì)因不滿(mǎn)足條件而被過(guò)濾器排除。

void setCondition (ConditionBasePtr condition);

?????????比較操作的類(lèi)型如下：

enum CompareOp{GT, GE, LT, LE, EQ};

? ? ? ? 具體含義如下：?

EQ EQUAL等于GT GREATER THAN大于　LT LESS THAN小于GE GREATER THAN OR EQUAL 大于等于LE LESS THAN OR EQUAL 小于等于

?2.3、主要部分代碼注解

template <typename PointT> void
pcl::ConditionalRemoval<PointT>::applyFilter (PointCloud &output)
{........// 將輸入的頭文件賦值給輸出文件output.header       = input_->header;if (!keep_organized_){//不保存原來(lái)數(shù)據(jù)結(jié)構(gòu)      output.height    = 1;   output.is_dense  = true;}else{//保存原來(lái)數(shù)據(jù)結(jié)構(gòu)      output.height   = this->input_->height;output.width    = this->input_->width;output.is_dense = this->input_->is_dense;}output.points.resize (input_->points.size ());removed_indices_->resize (input_->points.size ());int nr_p = 0;int nr_removed_p = 0;//不保存原來(lái)數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn)if (!keep_organized_){for (std::size_t index: (*Filter<PointT>::indices_)){const PointT& point = input_->points[index];// 無(wú)效點(diǎn)判斷if (!std::isfinite (point.x)|| !std::isfinite (point.y)|| !std::isfinite (point.z)){if (extract_removed_indices_){(*removed_indices_)[nr_removed_p] = index;nr_removed_p++;}continue;}//條件判斷實(shí)現(xiàn)接口,if (condition_->evaluate (point)){//將滿(mǎn)足條件的數(shù)據(jù)拷貝到輸出點(diǎn)云中copyPoint (point, output.points[nr_p]);nr_p++;}else{//保存移除點(diǎn)云的索引if (extract_removed_indices_){(*removed_indices_)[nr_removed_p] = index;nr_removed_p++;}}}output.width = nr_p;output.points.resize (nr_p);}else  //不保存原來(lái)數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn){//獲取輸入點(diǎn)云數(shù)據(jù)的索引集合std::vector<int> indices = *Filter<PointT>::indices_;std::sort (indices.begin (), indices.end ()); //對(duì)索引集排序bool removed_p = false;std::size_t ci = 0;for (std::size_t cp = 0; cp < input_->points.size (); ++cp){//對(duì)索引集合內(nèi)的點(diǎn)進(jìn)行條件比較if (cp == static_cast<std::size_t> (indices[ci])){if (ci < indices.size () - 1){ci++;if (cp == static_cast<std::size_t> (indices[ci]))   continue;}copyPoint (input_->points[cp], output.points[cp]);//條件判斷實(shí)現(xiàn)接口,if (!condition_->evaluate (input_->points[cp])){//滿(mǎn)足點(diǎn)的值設(shè)置為用戶(hù)設(shè)定的值output.points[cp].getVector4fMap ().setConstant (user_filter_value_);removed_p = true;if (extract_removed_indices_){(*removed_indices_)[nr_removed_p] = static_cast<int> (cp);nr_removed_p++;}}}else{//將非索引集合以外的點(diǎn)的值設(shè)置為用戶(hù)設(shè)定的值output.points[cp].getVector4fMap ().setConstant (user_filter_value_);removed_p = true;}}if (removed_p && !std::isfinite (user_filter_value_))output.is_dense = false;}........
}      

2.4、算法使用示例

/*****************************************************************//**
* \file   ConditionalRemovalmain.cpp
* \brief
*
* \author YZS
* \date   December 2024
*********************************************************************/
#include<iostream>
#include <vector>
#include <ctime>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/io/auto_io.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/filters/passthrough.h>
#include <pcl/filters/conditional_removal.h>using namespace std;void ConditionalRemoval()
{pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new  pcl::PointCloud<pcl::PointXYZRGB>());std::string fileName = "E:/PCLlearnData/9/fragment.pcd";pcl::io::load(fileName, *cloud);std::cout << "Cloud Size:" << cloud->points.size() << std::endl;// 創(chuàng)建過(guò)濾條件pcl::ConditionAnd<pcl::PointXYZRGB>::Ptr range_cond(new  pcl::ConditionAnd<pcl::PointXYZRGB>());// x值 大于-0.05range_cond->addComparison(pcl::FieldComparison<pcl::PointXYZRGB>::ConstPtr \(new pcl::FieldComparison<pcl::PointXYZRGB>("x", pcl::ComparisonOps::GT, -1.3)));// x值 小于-1.3range_cond->addComparison(pcl::FieldComparison<pcl::PointXYZRGB>::ConstPtr \(new pcl::FieldComparison<pcl::PointXYZRGB>("x", pcl::ComparisonOps::LT, -0.05)));//保存濾波后的結(jié)果pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloudFilter(new  pcl::PointCloud<pcl::PointXYZRGB>());pcl::ConditionalRemoval<pcl::PointXYZRGB> conFilter;// 條件濾波器類(lèi)對(duì)象conFilter.setCondition(range_cond); // 設(shè)置濾波條件conFilter.setInputCloud(cloud);conFilter.setKeepOrganized(false);// 設(shè)置是否保持有序，若輸入為有序點(diǎn)云，可以設(shè)置為trueconFilter.filter(*cloudFilter); // 執(zhí)行濾波，并且保存結(jié)果到cloudFilter中std::cout << "filter Cloud Size:" << cloudFilter->points.size() << std::endl;//結(jié)果可視化
// PCLVisualizer對(duì)象pcl::visualization::PCLVisualizer viewer("FilterVIS");//創(chuàng)建左右窗口的ID v1和v2int v1(0);int v2(1);//設(shè)置V1窗口尺寸和背景顏色viewer.createViewPort(0.0, 0.0, 0.5, 1, v1);viewer.setBackgroundColor(0, 0, 0, v1);//設(shè)置V2窗口尺寸和背景顏色viewer.createViewPort(0.5, 0.0, 1, 1, v2);viewer.setBackgroundColor(0.1, 0.1, 0.1, v2);// 添加2d文字標(biāo)簽viewer.addText("v1", 10, 10, 20, 1, 0, 0, "Txtv1", v1);viewer.addText("v2", 10, 10, 20, 0, 1, 0, "Txtv2", v2);//設(shè)置cloud1的渲染屬性，點(diǎn)云的ID和指定可視化窗口v1viewer.addPointCloud(cloud, "cloud1", v1);viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "cloud1");//設(shè)置cloud2的渲染屬性，點(diǎn)云的ID和指定可視化窗口v2viewer.addPointCloud(cloudFilter, "cloud2", v2);viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "cloud2");// 可視化循環(huán)主體while (!viewer.wasStopped()){viewer.spinOnce();}
}
int main(int argc, char* argv[])
{ConditionalRemoval();std::cout << "Hello World!" << std::endl;std::system("pause");return 0;
}

????????結(jié)果：

????????至此完成第九節(jié)PCL庫(kù)點(diǎn)云濾波算法之直通濾波（PassThrough）和條件濾波（ConditionalRemoval）學(xué)習(xí)，下一節(jié)我們將進(jìn)入《PCL庫(kù)中點(diǎn)云濾波之體素濾波（VoxelGrid）》的學(xué)習(xí)。?