当前位置：首页 > article >正文

PCL LocalMaximum消除局部最大的点

article 2025/2/1 7:39:56

一、概述

1.1原理

1.2实现步骤

1.3应用场景

二、代码实现

2.1关键函数

2.1.1 设置邻域搜索

2.1.2 可视化函数

2.2完整代码

三、实现效果

PCL点云算法汇总及实战案例汇总的目录地址链接：

PCL点云算法与项目实战案例汇总（长期更新）

一、概述

PCL 中的 LocalMaximum 滤波器是一种用于去除点云数据中局部最大点的过滤器，通常用于点云处理的平滑与降噪。局部最大点是指在某个局部区域中，比周围点具有更大高度或值的点。通过移除这些点，可以消除一些高频噪声和异常点。

1.1原理

LocalMaximum 滤波的基本原理是：对于点云中的每一个点，检查其邻域内的点，如果该点的某个值（如 z 值或强度值）比其邻域中的点更大，则该点被认为是局部最大点，将其移除。

主要步骤如下：

邻域搜索：为每个点定义一个邻域（如固定半径或 k 近邻）。
比较邻域点：比较邻域中其他点的值（如 z 值或强度），判断是否为局部最大点。
移除局部最大点：将这些局部最大点从点云数据中移除。

1.2实现步骤

加载点云数据：读取包含点云数据的文件。
定义邻域搜索参数：设置邻域搜索的半径或 K 值。
应用 LocalMaximum 过滤器：查找并移除局部最大点。
可视化结果：展示原始点云和移除局部最大点后的点云。

1.3应用场景

去除局部噪声：通过移除局部最大点，能够消除一些高频噪声和异常点。
预处理：在平滑或其他处理操作之前，先移除局部极值点来保证数据的稳定性。
点云降噪：可用于点云的降噪处理，特别是当噪声表现为局部极大值时。

二、代码实现

2.1关键函数

2.1.1 设置邻域搜索

通过 pcl::search::KdTree 设置邻域搜索，并将其与 LocalMaximum 滤波器结合。

// 局部最大值滤波函数
void applyLocalMaximumFilter(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in, pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_out, float radius)
{
    pcl::LocalMaximum<pcl::PointXYZ> lm;
    lm.setInputCloud(cloud_in);  // 设置输入点云
    lm.setRadius(radius);        // 设置搜索半径
    lm.filter(*cloud_out);       // 执行滤波并保存结果
}

2.1.2 可视化函数

通过 PCLVisualizer 在一个窗口中显示原始点云和移除局部最大点后的点云，包含坐标轴。

#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和过滤后的点云
void visualizePointClouds(pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud, pcl::PointCloud<pcl::PointXYZ>::Ptr& filtered_cloud)
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Local Maximum Filter Viewer"));

    int v1(0), v2(1);
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1);        // 创建第一个视口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, v1);         // 白色背景
    viewer->addText("Original Point Cloud", 10, 10, "v1 text", v1); // 添加标题
    viewer->addPointCloud(cloud, "original_cloud", v1);    // 原始点云

    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, v2);        // 创建第二个视口
    viewer->setBackgroundColor(0.98, 0.98, 0.98, v2);      // 浅灰色背景
    viewer->addText("Filtered Point Cloud", 10, 10, "v2 text", v2); // 添加标题
    viewer->addPointCloud(filtered_cloud, "filtered_cloud", v2); // 过滤后的点云

    // 设置原始点云为红色，过滤后的点云为绿色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> original_color(cloud, 255, 0, 0);
    viewer->updatePointCloud(cloud, original_color, "original_cloud");
    
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> filtered_color(filtered_cloud, 0, 255, 0);
    viewer->updatePointCloud(filtered_cloud, filtered_color, "filtered_cloud");

    // 添加坐标系
    viewer->addCoordinateSystem(1.0);

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }
}

2.2完整代码

#include <iostream>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/filters/local_maximum.h> // 局部最大值滤波器
#include <pcl/io/pcd_io.h>             // PCD文件读取
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

// 局部最大值滤波函数
void applyLocalMaximumFilter(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in, pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_out, float radius)
{
    pcl::LocalMaximum<pcl::PointXYZ> lm;
    lm.setInputCloud(cloud_in);  // 设置输入点云
    lm.setRadius(radius);        // 设置搜索半径
    lm.filter(*cloud_out);       // 执行滤波并保存结果
}

// 可视化函数
void visualize_cloud(pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud, pcl::PointCloud<pcl::PointXYZ>::Ptr& filter_cloud) {
    // 创建可视化对象
    boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("显示点云"));

    int v1(0), v2(0);
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1);
    viewer->setBackgroundColor(1.0, 1.0, 1.0, v1);  // 白色背景
    viewer->addText("Original Point Cloud", 10, 10, "v1_text", v1);

    viewer->createViewPort(0.5, 0.0, 1, 1.0, v2);
    viewer->setBackgroundColor(0.98, 0.98, 0.98, v2);  // 灰色背景
    viewer->addText("Filtered Point Cloud", 10, 10, "v2_text", v2);

    // 原始点云显示为红色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> original_color(cloud, 255, 0, 0);
    viewer->addPointCloud(cloud, original_color, "original_cloud", v1);

    // 过滤后的点云显示为绿色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> filtered_color(filter_cloud, 0, 255, 0);
    viewer->addPointCloud(filter_cloud, filtered_color, "filtered_cloud", v2);

    // 设置点大小
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "original_cloud");
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "filtered_cloud");

    // 添加坐标系
    viewer->addCoordinateSystem(0.1);

    // 启动可视化
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
        boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }
}

int main(int argc, char** argv)
{
    // 1. 读取点云文件
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in(new pcl::PointCloud<pcl::PointXYZ>());
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_out(new pcl::PointCloud<pcl::PointXYZ>());

    if (pcl::io::loadPCDFile<pcl::PointXYZ>("palen_noise.pcd", *cloud_in) == -1)
    {
        PCL_ERROR("Couldn't read the file \n");
        return (-1);
    }

    // 2. 应用局部最大值滤波
    applyLocalMaximumFilter(cloud_in, cloud_out, 0.5f);  // 设置搜索半径为 1.0

    // 3. 打印点云的点数
    std::cout << "输入点云个数: " << cloud_in->size() << std::endl;
    std::cout << "输出点云个数: " << cloud_out->size() << std::endl;

    // 4. 可视化
    visualize_cloud(cloud_in, cloud_out);

    return 0;
}