点云处理中滤波目的。滤波处理作为点云处理的第一步，对后续处理有很重要。只有在滤波处理流程中将噪声点、离群点、空洞、数据压缩等按照后续处理定制，才能更好地进行配准、特征提取、曲面重建、可视化等后续应用处理。点云数据集中每一个点表达一定的信息量，某个区域点越密集有用的信息量越大。孤立的离群点信息量较小，其表达的信息量可以忽略不计。
滤波器介绍
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。
体素滤波器：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。
统计滤波器：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。
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。
半径滤波器：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。
1 #include<iostream>
2 #include<pcl/point_types.h>
3 #include<pcl/filters/passthrough.h> //直通滤波器头文件
4 #include<pcl/filters/voxel_grid.h> //体素滤波器头文件
5 #include<pcl/filters/statistical_outlier_removal.h> //统计滤波器头文件
6 #include <pcl/filters/conditional_removal.h> //条件滤波器头文件
7 #include <pcl/filters/radius_outlier_removal.h> //半径滤波器头文件
8
9
10 int main(int argc, char** argv)
11 {
12
13 //读取文件
14 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
15 if(pcl::io::loadPCDFile("PointCloud.pcd",)==-1)
16 {
17 PCL_ERROR("Couldn't read file test_pcd.pcd\n");
18 return(-1);
19 }
20 //************************滤波****************************
21 //【1】直通滤波
22 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_after_PassThrough(new pcl::PointCloud<pcl::PointXYZ>);//
23 pcl::PassThrough<pcl::PointXYZ> passthrough;
24 passthrough.setInputCloud(cloud);//输入点云
25 passthrough.setFilterFieldName("z");//对z轴进行操作
26 passthrough.setFilterLimits(0.0, 400.0);//设置直通滤波器操作范围
27 //passthrough.setFilterLimitsNegative(true);//true表示保留范围内，false表示保留范围外
28 passthrough.filter(*cloud_after_PassThrough);//执行滤波，过滤结果保存在 cloud_after_PassThrough
29
30 //【2】体素滤波器实现下采样
31 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_after_voxelgrid(new pcl::PointCloud<pcl::PointXYZ>);//
32 pcl::VoxelGrid<pcl::PointXYZ> voxelgrid;
33 voxelgrid.setInputCloud(cloud);//输入点云数据
34 voxelgrid.setLeafSize(0.05f, 0.05f, 0.05f);//创建的体素大小为5cm立方体
35 voxelgrid.filter(*cloud_after_voxelgrid);
36
37 //【3】统计滤波器滤波
38 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_after_StatisticalRemoval(new pcl::PointCloud<pcl::PointXYZ>);//
39 pcl::StatisticalOutlierRemoval<pcl::PointXYZ> Statistical;
40 Statistical.setInputCloud(cloud);
41 Statistical.setMeanK(50);//取平均值的临近点数
42 Statistical.setStddevMulThresh(5);//临近点数数目少于多少时会被舍弃
43 Statistical.filter(*cloud_after_StatisticalRemoval);
44
45 //【4】条件滤波器
46 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_after_Condition(new pcl::PointCloud<pcl::PointXYZ>);
47 pcl::ConditionAnd<pcl::PointXYZ>::Ptr range_condition(new pcl::ConditionAnd<pcl::PointXYZ>());
48 range_condition->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(new
49 pcl::FieldComparison<pcl::PointXYZ>("z", pcl::ComparisonOps::GT, 0.0))); //GT表示大于等于
50 range_condition->addComparison(pcl::FieldComparison<pcl::PointXYZ>::ConstPtr(new
51 pcl::FieldComparison<pcl::PointXYZ>("z", pcl::ComparisonOps::LT, 0.8))); //LT表示小于等于
52 pcl::ConditionalRemoval<pcl::PointXYZ> condition;
53 condition.setCondition(range_condition);
54 condition.setInputCloud(cloud); //输入点云
55 condition.setKeepOrganized(true);
56 condition.filter(*cloud_after_Condition);
57
58 //【5】半径滤波器
59 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_after_Radius(new pcl::PointCloud<pcl::PointXYZ>);
60 pcl::RadiusOutlierRemoval<pcl::PointXYZ> radiusoutlier; //创建滤波器
61 radiusoutlier.setInputCloud(cloud); //设置输入点云
62 radiusoutlier.setRadiusSearch(100); //设置半径为100的范围内找临近点
63 radiusoutlier.setMinNeighborsInRadius(2); //设置查询点的邻域点集数小于2的删除
64 radiusoutlier.filter(*cloud_after_Radius);
65
66
67
68 }