PCL 最小点数约束的体素滤波(永久免费版)

一、概述

1. VoxelGrid滤波中可联合使用setLeafSize函数和setMinimumPointsNumberPerVoxel函数实现每个体素内的最小点数的约束。

1.1 原理

  最小点数约束的体素滤波是一种计算机图形学技术，主要用于图像处理和三维重建领域。它的核心思想是在像素网格（体素）上应用过滤操作，目的是去除噪声并保留重要的特征，如边缘和形状。通过设置每个体素需要达到的最小邻居点数阈值，这个过程可以消除孤立的噪声点，同时保持结构较为明显的区域。

1.2 实现步骤

具体步骤包括：

1. 将输入图像转换为体素网格，每个体素表示一个小区域。
2. 对每个体素计算其周围的邻域点数目。
3. 如果某个体素的邻域点数低于预设的最小阈值，通常认为它是噪声，会被替换为其周围邻居的平均值或者采用更复杂的统计方法（如高斯滤波）平滑。
4. 过程迭代直到收敛或满足预定条件，最终得到的是经过净化后的体素图像。

这种技术常用于医学影像分析、遥感图像处理以及游戏开发中的地形生成等场景。

1.3应用场景

最小点数约束的体素滤波（Minimum Point Number Voxel Filtering，简称MPVF）是一种常用的三维图像处理技术，尤其适用于计算机视觉和医学影像分析领域。它的应用场景包括：

1. 3D重建：用于从点云数据中生成更平滑、连续的表面模型，减少噪声并保留关键结构特征。
2. 物体检测：在自动驾驶和机器人导航中，用于提取和净化传感器（如激光雷达）收集到的环境中物体的轮廓。
3. 医学成像：CT或MRI扫描结果中，去除噪声并增强组织边缘，有助于医生识别肿瘤、骨骼等结构。
4. 游戏开发：用于优化3D环境地图，提高渲染效率，以及减少碰撞检测的复杂度。
5. 遥感数据处理：对卫星或无人机拍摄的高分辨率图像进行预处理，减少地表细节的模糊影响。

二、关键函数

2.1 头文件

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

2.2 读取点云

//读取点云
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud <pcl::PointXYZ>);
pcl::PCDReader reader;
reader.read("bunny.pcd", *cloud);
cout << "Raw point :" << cloud->width * cloud->height << endl;

2.3 核心代码

//体素滤波
pcl::VoxelGrid<pcl::PointXYZ> vg;
vg.setInputCloud(cloud);
//设置最小体素边长
vg.setLeafSize(0.01f, 0.01f, 0.01f);
vg.setMinimumPointsNumberPerVoxel(10);      // 设置每一个体素内需要包含的最小点个数
pcl::PointCloud<pcl::PointXYZ>::Ptr filtered(new pcl::PointCloud<pcl::PointXYZ>);
vg.filter(*filtered);
cout << "Filtered point :" << filtered->width * filtered->height << endl;

2.4 可视化

 ---------------------------------结果展示----------------------------------
	pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("3D PointCloud Viewer"));
	// 设置视口1，显示原始点云
	int v1;
	viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1);  // 左侧窗口
	viewer->setBackgroundColor(0.0, 0.0, 0.0, v1);  // 黑色背景
	viewer->addText("cloud1 PointCloud", 10, 10, "vp1_text", v1);  // 标题
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 0, 255, 0);  // 绿色
	viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", v1);
	// 设置视口2，显示体素中心点云
	int v2;
	viewer->createViewPort(0.5, 0.0, 1.0, 1.0, v2);  // 右侧窗口
	viewer->setBackgroundColor(0.0, 0.0, 0.0, v2);   // 黑色背景
	viewer->addText("cloud2 PointCloud", 10, 10, "vp2_text", v2);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> voxel_center_color_handler(filtered, 255, 0, 0);  // 红色
	viewer->addPointCloud(filtered, voxel_center_color_handler, "2_cloud", v2);
	// 设置点的大小
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", v1);
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "2_cloud", v2);

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

	// 可视化循环
	while (!viewer->wasStopped())
	{
		viewer->spinOnce(100);
	}

三、完整代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

using namespace std;

int main(int argc, char** argv)
{
	//读取点云
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud <pcl::PointXYZ>);
	pcl::PCDReader reader;
	reader.read("bunny.pcd", *cloud);
	cout << "Raw point :" << cloud->width * cloud->height << endl;
	//体素滤波
	pcl::VoxelGrid<pcl::PointXYZ> vg;
	vg.setInputCloud(cloud);
	//设置最小体素边长
	vg.setLeafSize(0.01f, 0.01f, 0.01f);
	vg.setMinimumPointsNumberPerVoxel(10);      // 设置每一个体素内需要包含的最小点个数
	pcl::PointCloud<pcl::PointXYZ>::Ptr filtered(new pcl::PointCloud<pcl::PointXYZ>);
	vg.filter(*filtered);
	cout << "Filtered point :" << filtered->width * filtered->height << endl;
	
	// ---------------------------------结果展示----------------------------------
	pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("3D PointCloud Viewer"));
	// 设置视口1，显示原始点云
	int v1;
	viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1);  // 左侧窗口
	viewer->setBackgroundColor(0.0, 0.0, 0.0, v1);  // 黑色背景
	viewer->addText("cloud1 PointCloud", 10, 10, "vp1_text", v1);  // 标题
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 0, 255, 0);  // 绿色
	viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", v1);
	// 设置视口2，显示体素中心点云
	int v2;
	viewer->createViewPort(0.5, 0.0, 1.0, 1.0, v2);  // 右侧窗口
	viewer->setBackgroundColor(0.0, 0.0, 0.0, v2);   // 黑色背景
	viewer->addText("cloud2 PointCloud", 10, 10, "vp2_text", v2);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> voxel_center_color_handler(filtered, 255, 0, 0);  // 红色
	viewer->addPointCloud(filtered, voxel_center_color_handler, "2_cloud", v2);
	// 设置点的大小
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", v1);
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "2_cloud", v2);

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

	// 可视化循环
	while (!viewer->wasStopped())
	{
		viewer->spinOnce(100);
	}

	return 0;
}

四、结果展示