PCL点云数据滤波降噪

我就是我 2022-09-09 00:29 351阅读 0赞

图像处理】PCL点云数据的滤波降噪的方法

这个带公式：

[https://blog.csdn.net/qq\_30815237/article/details/86294496][https_blog.csdn.net_qq_30815237_article_details_86294496]

为什么进行点云滤波处理：  
（1） 点云数据密度不规则需要平滑；  
（2） 因为遮挡等问题造成离群点需要去除；  
（3） 大量数据需要下采样；  
（4） 噪声数据需要去除；

点云数据去噪滤波方法：  
双边滤波、高斯滤波、分箱去噪、KD-Tree、直通滤波、随机采样一致性滤波等；

方法定义以及适用性：  
1.双边滤波：将距离和空间结构结合去噪，效果较好。只适用于有序点云

2.高斯滤波（标准差去噪）：适用于呈正态分布的数据。考虑到离群点的特征，则可以定义某处点云小于某个密度，既点云无效。计算每个点到其最近的k个点平均距离。则点云中所有点的距离应构成高斯分布。给定均值与方差，可剔除3∑之外的点。

3.分箱去噪：适用于呈偏态分布的数据。

4.dbscan：基于聚类原理去噪，复杂度较高。

5.KD-Tree（孤立森林）：复杂度高。构建KD树，随机取点求平均距离d，删掉所有大于2d的点。适用于无序点云去噪。

6.条件滤波：条件滤波器通过设定滤波条件进行滤波，有点分段函数的味道，当点云在一定范围则留下，不在则舍弃。

7.直通滤波

8.随机采样一致性滤波

9.体素滤波：  
体素的概念类似于像素，使用AABB包围盒将点云数据体素化，一般体素越密集的地方信息越多，噪音点及离群点可通过体素网格去除。另一方面如果使用高分辨率相机等设备对点云进行采集，往往点云会较为密集。过多的点云数量会对后续分割工作带来困难。体素滤波器可以达到向下采样同时不破坏点云本身几何结构的功能。

10.半径滤波：  
半径滤波器与统计滤波器相比更加简单粗暴。以某点为中心画一个圆计算落在该圆中点的数量，当数量大于给定值时，则保留该点，数量小于给定值则剔除该点。此算法运行速度快，依序迭代留下的点一定是最密集的，但是圆的半径和圆内点的数目都需要人工指定。

原理以及核心代码：

直通滤波器：对于在空间分布有一定空间特征的点云数据，比如使用线结构光扫描的方式采集点云，沿z向分布较广，但x,y向的分布处于有限范围内。此时可使用直通滤波器，确定点云在x或y方向上的范围，可较快剪除离群点，达到第一步粗处理的目的。  
// Create the filtering object    
pcl::PassThrough<pcl::PointXYZ> pass;    
pass.setInputCloud (cloud);    
pass.setFilterFieldName ("z");    
pass.setFilterLimits (0.0, 1.0);    
//pass.setFilterLimitsNegative (true);    
pass.filter (\*cloud\_filtered);

体素滤波器：  
 // Create the filtering object  
  pcl::VoxelGrid<pcl::PCLPointCloud2> sor;  
  sor.setInputCloud (cloud);  
  sor.setLeafSize (0.01f, 0.01f, 0.01f);  
  sor.filter (\*cloud\_filtered);

统计滤波器：  
 // Create the filtering object  
  pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;  
  sor.setInputCloud (cloud);  
  sor.setMeanK (50);  
  sor.setStddevMulThresh (1.0);  
  sor.filter (\*cloud\_filtered);

半径滤波器：  
  // build the filter  
    pcl::RadiusOutlierRemoval<pcl::PointXYZ> outrem;  
    outrem.setInputCloud(cloud);  
    outrem.setRadiusSearch(0.8);  
    outrem.setMinNeighborsInRadius (2);  
    // apply filter  
    outrem.filter (\*cloud\_filtered);  
  
一般来说，滤波对应的方案有如下几种：

（1）按照给定的规则限制过滤去除点  
（2）通过常用滤波算法修改点的部分属性  
（3）对数据进行下采样  
————————————————  
版权声明：本文为CSDN博主「\_ClivenZ」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。  
原文链接：https://blog.csdn.net/weixin\_43753894/article/details/98225640

[https_blog.csdn.net_qq_30815237_article_details_86294496]: https://blog.csdn.net/qq_30815237/article/details/86294496