最近在看PCL濾波配準等操作，之前在自動駕駛-激光雷達預處理/特征提取和提到了一些濾除點云等操作，但是最近作者發現里面還有一些配準的方法還沒有提到，所以這里重新開個章節來給大家列舉一些常用的濾波方式，方便大家查閱和使用

濾波&聚類

1.1 直通濾波器

void pass_through_filter(const pcl::PointCloud< pcl::PointXYZRGB >::Ptr &input_cloud) //直通濾波器    {        std::cout < < "start pass_through_filter" < < std::endl;        calc_sight_center(); //計算視點中心,視點中心為濾波器的輸入參數        // 
void ex_segmentor::calc_sight_center()        // {        // double roll, pitch, yaw;        // 
tf::Quaternion quat_tmp;        // tf::quaternionMsgToTF(latest_camera_pos_.pose.pose.orientation, quat_tmp);        // tf::Matrix3x3(quat_tmp).getRPY(roll, pitch, yaw);        // centerX_ = latest_camera_pos_.pose.pose.position.x + gaze_length_ * cos(yaw);        //
 centerY_ = latest_camera_pos_.pose.pose.position.y + gaze_length_ * sin(yaw);        // 
centerZ_ = latest_camera_pos_.pose.pose.position.z - gaze_length_ * sin(pitch);        // }        // 
build the condition        pcl::ConditionAnd< pcl::PointXYZRGB >::Ptr range_limit(new pcl::ConditionAnd< pcl::PointXYZRGB >);                                                                         //構建范圍限制條件        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("x", pcl::ComparisonOps::GT, centerX_ - 1.5))); // x坐標大于視點中心x坐標-1.5        range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("x", pcl::ComparisonOps::LT, centerX_ + 1.5))); // x坐標小于視點中心x坐標+1.5       
 range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("y", pcl::ComparisonOps::GT, centerY_ - 1.5))); // y坐標大于視點中心y坐標-1.5        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("y", pcl::ComparisonOps::LT, centerY_ + 1.5))); // y坐標小于視點中心y坐標+1.5        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("z", pcl::ComparisonOps::GT, centerZ_ - 1.5))); // z坐標大于視點中心z坐標-1.5        
range_limit- >addComparison(pcl::FieldComparison< pcl::PointXYZRGB >::ConstPtr(new pcl::FieldComparison< pcl::PointXYZRGB >("z", pcl::ComparisonOps::LT, centerZ_ + 1.5))); // z坐標小于視點中心z坐標+1.5        //構建濾波器 
       pcl::ConditionalRemoval< pcl::PointXYZRGB > condrem; //構建濾波器
        condrem.setCondition(range_limit);                 //設置濾波條件
        condrem.setInputCloud(input_cloud);                //設置輸入點云        //濾波操作       
 condrem.filter(*input_cloud);    }

1.2 離群點濾波器

void statical_outlier_filter(const pcl::PointCloud<PointXYZRGB>::Ptr &input_cloud, int nr_k, double stddev_mult) //濾波器移除離群點    {        pcl::StatisticalOutlierRemoval<PointXYZRGB> sorfilter(true); //構建濾波器        sorfilter.setInputCloud(input_cloud);        sorfilter.setMeanK(nr_k);                  //設置在進行統計時考慮的臨近點個數        sorfilter.setStddevMulThresh(stddev_mult); //設置判斷是否為離群點的閥值，用來倍乘標準差，也就是上面的stddev_mult        sorfilter.filter(*input_cloud);            //濾波結果存儲到cloud_filtered    }

1.3 體素化濾波器

void voxel_filter(const pcl::PointCloud< PointXYZRGB >::Ptr &input_cloud, float resolution) //體素化濾波器  
  {        pcl::VoxelGrid< PointXYZRGB > voxel_grid; //構建體素化濾波器
        voxel_grid.setInputCloud(input_cloud);   //設置輸入點云        
voxel_grid.setLeafSize(resolution, resolution, resolution); //設置體素的大小        voxel_grid.filter(*input_cloud); //濾波結果存儲到cloud_filtered    }

1.4 平面點濾除

bool remove_plane(const pcl::PointCloud< PointXYZRGB >::Ptr &input_cloud, const Eigen::Vector3f &axis, double plane_thickness) //移除平面    {        pcl::ModelCoefficients::Ptr 
coefficients(new pcl::ModelCoefficients); //平面參數矩陣        
pcl::PointIndices::Ptr inliers(new pcl::PointIndices);                //平面內點索引        // Create the 
segmentation object        pcl::SACSegmentation< pcl::PointXYZRGB > seg; //構建分割對象        
seg.setOptimizeCoefficients(true);                   //設置是否優化系數        
seg.setModelType(pcl::SACMODEL_PERPENDICULAR_PLANE); //設置模型類型為平面       
 seg.setMethodType(pcl::SAC_RANSAC);                  //設置分割方法為RANSAC        

seg.setMaxIterations(500);                           //設置最大迭代次數        seg.setAxis(axis);                                   //設置分割軸        seg.setEpsAngle(0.25);                               //設置角度閾值       
 seg.setDistanceThreshold(plane_thickness);           //設置距離閾值  0.025 0.018       
 seg.setInputCloud(input_cloud);                      //設置輸入點云        seg.segment(*inliers, 
*coefficients);                //分割平面        if (inliers- >indices.size() < 500)        {            // 
ROS_INFO("plane size is not enough large to remove.");            return false;        }       
 pcl::ExtractIndices< pcl::PointXYZRGB > extract;        extract.setInputCloud(input_cloud); //設置輸入點云        extract.setIndices(inliers);        //設置索引,用來濾除        extract.setNegative(true);          //設置是否濾除索引內的點        extract.filter(*input_cloud);        return true;    }

1.5 RGBD顏色特征聚類

void clustoring_with_color(pcl::PointCloud<pcl::PointXYZRGB>::Ptr &input_cloud, std::vector<pcl::PointCloud<PointXYZRGB>::Ptr> &clusters, int min_cluster_size, float distance_th, float color_th, float region_color_th, unsigned int num_nbr) //根據點云的顏色完成聚類    {        std::vector<pcl::PointIndices> clusters_indices;                                              //聚類索引        pcl::search::KdTree<pcl::PointXYZRGB>::Ptr kdtree(new pcl::search::KdTree<pcl::PointXYZRGB>); //構建kd樹        kdtree->setInputCloud(input_cloud);                                                           //設置輸入點云        // 基于顏色的區域生長聚類對象        

pcl::RegionGrowingRGB<pcl::PointXYZRGB> clustering;        clustering.setInputCloud(input_cloud);        clustering.setSearchMethod(kdtree); //設置搜索方法        // 這里，最小簇大小也會影響后處理步驟: 小于這個值的clusters_indices將與鄰點合并。       
clustering.setMinClusterSize(min_cluster_size); //設置最小簇大小        // 設置距離閾值，以知道哪些點將被視為，鄰點        clustering.setDistanceThreshold(distance_th); // 1        // 顏色閾值，用于比較兩個點的RGB顏色        clustering.setPointColorThreshold(color_th); // 9 6.5 25.0f 18.0f        // 后處理步驟的區域顏色閾值:顏色在閾值內的clusters_indices將合并為一個。       
clustering.setRegionColorThreshold(region_color_th); // 2        //區域耦合時檢查的附近的數量。默認為100， 在不影響結果的范圍內適度設定小范圍。       
clustering.setNumberOfRegionNeighbours(num_nbr); //設置近鄰數量        // 
clustering.setSmoothModeFlag(true);        // clustering.setSmoothnessThreshold(0.95);        
clustering.extract(clusters_indices); //提取聚類索引        for (std::vector<pcl::PointIndices>::const_iterator i = clusters_indices.begin(); i != 
clusters_indices.end(); ++i)//遍歷聚類索引        {            
pcl::PointCloud<pcl::PointXYZRGB>::Ptr cluster(new 
pcl::PointCloud<pcl::PointXYZRGB>); //構建聚類點云            for 
(std::vector<int>::const_iterator pit = i->indices.begin(); pit != i->indices.end(); ++pit) //遍歷聚類索引中的點索引            {                cluster->points.push_back(input_cloud->points[*pit]); //將點添加到聚類點云            }            cluster->width = cluster->points.size();            cluster->height = 1;            cluster->is_dense = true;            clusters.push_back(cluster); //將聚類點云添加到聚類點云集合中        }    }