PCL学习记录

PCL系列博客主要用来记录学习PointCloudLibrary点云库的过程，以及备忘。

学习资料主要来源为： PCL点云库（Tutorial）+Github博客+ 《点云库PCL学习教程》

!Update： 需要注意的是，单个直通滤波器仅仅可以过滤一个坐标轴方向上的点云；

                 例： 当设置pt.setFilterYlimit(-0.5,0.5) 时， 过滤完成后，仅保留y方向上，-0.5～+0.5区域点云，其余舍弃；

                         若在程序中，依次设置了setFilterXlimit ，setFilterYlimit，和setFilterZlimit 的参数， 仅有最后一个Z方向上的滤波生效，其余两个被舍弃；（原因为：直通滤波器，仅能过滤一个方向上的点云）                      

引：为什么要进行滤波，以及PCL点云库中，包含的几种常用的滤波方法简介

  在获取点云数据时，由于设备精度、操作者经验、环境因素等带来的影响，以及电磁波衍射特性、被测物体表面性质变化和数据拼接配准操作过程的影响，点云数据中将不可避免地出现一些噪声点。实际应用中除了这些测量随机误差产生的噪声点之外，由于受到外界干扰如视线遮挡、障碍物等因素的影响，点云数据中往往存在着一些离主体点云较远的离散点，即离群点。不同的获取设备点云噪声结构也有不同。

  通过滤波完成的功能还包括孔洞修复、最小信息损失的海量点云数据压缩处理等 。在点云处理流程中滤波处理作为预处理的第一步，往往对后续处理流程影响很大，只有在滤波预处理中将噪声点、离群点、孔洞、数据压缩等 按照后续需求处理，才能够更好地进行配准、特征提取、曲面重建、可视化等后续流程。

  PCL 中点云滤波模块提供了很多灵活实用的滤波处理算法，例如双边滤波、高斯滤波、条件滤波、直通滤波、基于随机采样一致性滤波RANSAC等。滤波模块是作为 PCL的一个重要处理模块，其在应用中可以非常方便与其他点云处理流程协同使用。

      https://pcl-tutorials.readthedocs.io/en/latest/#filtering

     下图显示了一个噪声消除的示例。 由于测量误差，某些数据集会出现大量阴影点。 这使局部点云3D特征的估算变得复杂。我们通过对每个点的邻域进行统计分析，并修剪掉不符合特定条件的那些异常值，进而可以过滤掉某些异常值。

      PCL中的实现这些稀疏离群值的消除，需要计算数据集中的点与邻居距离的分布。 即对于每个点，都会计算从它到所有相邻点的平均距离。 通过假设结果分布是具有均值和标准差的高斯分布，可以将那些平均距离在【由全局距离均值和标准差定义的区间】之外的所有点视为离群值，并将之从数据集中进行修剪。

一. PassThroughFilter（直通滤波）

PassThroughFilter直通滤波原理：直通滤波主要功能是将设置范围之外（距离原点XYZ距离范围）的全部点给过滤掉，或者仅保留该区域的点。

直通滤波的主要使用过程（以官方Tutorial为例：https://pcl.readthedocs.io/projects/tutorials/en/latest/passthrough.html#passthrough）：

二.直通滤波的代码：

1. PassThroughFilter.cpp