滤波

PCL中总结了集中需要进行点云滤波处理的情况，分别如下： (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) 大量数据需要进行下采样。 (4) 噪声数据需要去除。

PCL点云格式分为有序点云和无序点云，针对有序点云提供了双边滤波、高斯滤波、中值滤波等，针对无序点云提供了体素栅格、随机采样等。

下边给出两个下采样类的应用实例。（VoxelGrid、UniformSampling）

• VoxelGrid、UniformSampling

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
// 包含相关头文件
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/uniform_sampling.h>

typedef pcl::PointXYZ PointT;

int main(int argc, char** argv)
{
    // 读取点云
    pcl::PointCloud<PointT>::Ptr cloud(new pcl::PointCloud<PointT>);
    pcl::io::loadPCDFile(argv[1], *cloud);
    std::cout << "original cloud size : " << cloud->size() << std::endl;

    // 使用体素化网格(VoxelGrid)进行下采样
    pcl::VoxelGrid<PointT> grid; //创建滤波对象
    const float leaf = 0.005f; 
    grid.setLeafSize(leaf, leaf, leaf); // 设置体素体积
    grid.setInputCloud(cloud); // 设置点云
    pcl::PointCloud<PointT>::Ptr voxelResult(new pcl::PointCloud<PointT>);
    grid.filter(*voxelResult); // 执行滤波，输出结果
    std::cout << "voxel downsample size :" << voxelResult->size() << std::endl;

    // 使用UniformSampling进行下采样
    pcl::UniformSampling<PointT> uniform_sampling;
    uniform_sampling.setInputCloud(cloud);
    double radius = 0.005f;
    uniform_sampling.setRadiusSearch(radius);
    pcl::PointCloud<PointT>::Ptr uniformResult(new pcl::PointCloud<PointT>);
    uniform_sampling.filter(*uniformResult);
    std::cout << "UniformSampling size :" << uniformResult->size() << std::endl;

    system("pause");
    return 0;
}

双边滤波PCL提供了两种方法，FastBilateralFilter 和 BilateralFilter。 FastBilateralFilter需要有序点云数据，BilateralFilter需要带强度的点云数据。

• 双边滤波

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/impl/bilateral.hpp>
#include <pcl/visualization/pcl_visualizer.h>

void bilateralFilter(pcl::PointCloud<pcl::PointXYZI>::Ptr &input, pcl::PointCloud<pcl::PointXYZI>::Ptr& output)
{
    pcl::search::KdTree<pcl::PointXYZI>::Ptr tree1(new pcl::search::KdTree<pcl::PointXYZI>);
    // Apply the filter  
    pcl::BilateralFilter<pcl::PointXYZI> fbf;
    fbf.setInputCloud(input);
    fbf.setSearchMethod(tree1);
    fbf.setStdDev(0.1);
    fbf.setHalfSize(0.1);
    fbf.filter(*output);
}
int main(int argc, char** argv)
{
    pcl::PointCloud<pcl::PointXYZI>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZI>); // 需要PointXYZI 
    pcl::PointCloud<pcl::PointXYZI>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZI>);

    // Fill in the cloud data
    pcl::PCDReader reader;
    // Replace the path below with the path where you saved your file
    reader.read<pcl::PointXYZI>(argv[1], *cloud);

    bilateralFilter(cloud, cloud_filtered);

    /*pcl::visualization::PCLVisualizer viewer;
    viewer.addPointCloud(cloud_filtered);
    viewer.spin();*/

    return (0);
}

• 剔除离群点

参考：http://www.pointclouds.org/documentation/tutorials/statistical_outlier.php