【PCL库-点云处理】离群点去除

最新推荐文章于 2025-02-05 15:07:21 发布

LuckyNiuJY

最新推荐文章于 2025-02-05 15:07:21 发布

阅读量2.3k

点赞数 3

CC 4.0 BY-SA版权

文章标签： c++ 算法

本文链接：https://blog.csdn.net/LuckyKing01/article/details/130578608

文章介绍了两种使用PCL库在点云数据中去除离群点的方法。一种是基于统计的离群点去除，通过计算点的邻域统计信息，如均值和标准差，移除异常点。另一种是基于半径邻域点数量的离群点去除，通过设定滤波半径和最小邻接点数阈值来识别并移除离群点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

方法一：基于统计的离群点去除

每个点的邻域进行一个统计分析，并修剪掉一些不符合一定标准的点，稀疏离群点移除方法基于在输入数据中对点到临近点的距离分布的计算，对每一个点，计算它到它的所有临近点的平均距离，，假设得到的结果是一个高斯分布，其形状是由均值和标准差决定，平均距离在标准范围之外的点，可以被定义为离群点并可从数据中去除。

#include <pcl/filters/statistical_outlier_removal.h>
typedef pcl::PointXYZRGBA PointT;
typedef pcl::PointCloud<PointT> PointCloudT;
typedef pcl::PointCloud<PointT>::Ptr PointCloudTPtr;

bool removeOutlier(PointCloudTPtr _cloudIn, PointCloudTPtr &_cloudOut, int nr_k, double stddevMult) {
        if (_cloudIn->empty()) {
            return false;
        }
        pcl::StatisticalOutlierRemoval<PointT> sor;
        sor.setInputCloud(_cloudIn);
        sor.setMeanK(nr_k);  // 对每个点分析的邻近点个数
        sor.setStddevMulThresh(stddevMult);  // 标准差倍数
        sor.filter(*_cloudOut);
        return true;
    }

方法二：基于半径邻域点数量的离群点去除

通过设定滤波半径，计算每个点在其半径范围内的其他点的个数。半径范围内其他点个数少于某一设定的阈值的点将被滤除。
在点云数据中，用户指定每个点的一定范围内周围至少要有足够多的近邻。例如，如果指定至少要有1个邻居，只有黄色的点会被删除，如果指定至少要有2个邻居，黄色和绿色的点都将被删除。
在这里插入图片描述

#include <pcl/filters/radius_outlier_removal.h>
typedef pcl::PointXYZRGBA PointT;
typedef pcl::PointCloud<PointT> PointCloudT;
typedef pcl::PointCloud<PointT>::Ptr PointCloudTPtr;

bool BuildMap::removeOutlier(PointCloudTPtr _cloudIn, PointCloudTPtr &_cloudOut, double r, int nr_k) {
        if (_cloudIn->empty()) {
            return false;
        }
        pcl::RadiusOutlierRemoval<PointT> outrem;//创建半径滤波器对象
        outrem.setInputCloud(_cloudIn);//设置输入点云
        outrem.setRadiusSearch(r);//设置半径为2cm
        outrem.setMinNeighborsInRadius(nr_k);//设置最小邻接点个数阈值,半径范围内其他点个数少于5的点将被滤除
        outrem.filter(*_cloudOut);//执行滤波
        return true;
    }