轉載自：https://blog.csdn.net/weixin_46098577/article/details/114385690
PCL中點雲濾波模塊提供了很多靈活實用的濾波處理算法，例如：直通濾波、統計濾波、雙邊濾波、高斯濾波、基於隨機采樣一致性濾波等。同時，PCL中總結了幾種需要進行點雲濾波處理的情況，如下：
點雲數據密度不規則需要平滑
因遮擋等問題噪聲的離群點需要去除
數據冗余需要下采樣
噪聲數據需要去除
對應的方法如下：
按具體給定的規則過濾點
通過濾波算法修改點的部分屬性
點雲數據下采樣
下面對PCL各種濾波方法做一些歸納總結，方便日后使用。
一、直通濾波
針對點雲某一維度，去掉指定范圍內（或外）的點。
流程：讀入點雲→創建濾波器對象→設置濾波字段范圍→執行濾波→保存濾波結果
#include <pcl/filters/passthrough.h>
二、VoxelGrid體素濾波器
對點雲數據創建一個三維體素柵格（微小的空間三維立方體的集合），用每個體素重心近似代替體素中的其他點。這種方法比用體素中心來逼近的方法更慢，但它對於采樣點對應曲面的表示更為准確。
流程：讀入點雲→創建濾波器對象→設置體素大小→執行濾波→保存濾波點雲
#include <pcl/filters/voxel_grid.h
濾波前后對比
三、UniformSampling均勻采樣
對點雲數據創建一個三維體素柵格，然后，在每個體素保留一個最接近體素中心的點，代替體素中所有點。
流程：讀入點雲→創建濾波器對象→設置濾波球體半徑→執行濾波→保存濾波點雲
#include <pcl/keypoints/uniform_sampling.h>
濾波前后對比
四、StatisticalOutlierRemoval統計濾波器
對每一點的鄰域進行統計分析，基於點到所有鄰近點的距離分布特征，過濾掉一些不滿足要求的離群點。該算法對整個輸入進行兩次迭代：在第一次迭代中，它將計算每個點到最近k個近鄰點的平均距離，得到的結果符合高斯分布。接下來，計算所有這些距離的平均值 μ 和標准差 σ 以確定距離閾值 thresh_d ，且 thresh_d = μ ± k·σ。 k為標准差乘數。在下一次迭代中，如果這些點的平均鄰域距離分別低於或高於該閾值，則這些點將被分類為內點或離群點。
流程：讀入點雲→創建濾波器對象→設置離群點閾值→執行統計濾波→保存濾波點雲
#include <pcl/filters/statistical_outlier_removal.h>
濾波前后對比
五、RadiusOutlierRemoval半徑濾波器
對整個輸入迭代一次，對於每個點進行半徑R鄰域搜索，如果鄰域點的個數低於某一閾值，則該點將被視為噪聲點並被移除。
流程：讀入點雲→創建半徑濾波器對象→設置離群點閾值→執行下采樣→保存采樣結果
#include <pcl/filters/radius_outlier_removal.h>
濾波前后對比
六、ConditionRemoval條件濾波器
篩選滿足特定條件的點雲數據。有兩種類型的條件：
ConditionAnd: 所有條件都要滿足
ConditionOr: 滿足一個條件即可
可以設置一個或多個條件對象，並為條件對象添加比較算子。條件比較算子包含三項：
（1）名稱：對應於點雲XYZ字段名稱、RGB顏色空間、HSI顏色空間中的顏色分量等。
（2） 比較運算符：GT、GE、LT、LE、EQ
運算符 含義
GT greater than 大於
GE greater than or equal 大於等於
LT less than 小於
LE less than or equal 小於等於
EQ equal 等於
比較運算符源碼
switch (this->op_) { case pcl::ComparisonOps::GT : return (compare_result > 0); case pcl::ComparisonOps::GE : return (compare_result >= 0); case pcl::ComparisonOps::LT : return (compare_result < 0); case pcl::ComparisonOps::LE : return (compare_result <= 0); case pcl::ComparisonOps::EQ : return (compare_result == 0); default: PCL_WARN ("[pcl::FieldComparison::evaluate] unrecognized op_!\n"); return (false); }
值：即要比較的名稱的數值
流程：讀入點雲→創建條件對象→添加比較算子→創建條件限定下的濾波器對象→執行濾波→保存濾波結果
#include <pcl/filters/conditional_removal.h>
濾波前后對比
setKeepOrganized(true) 解釋：
保持點雲結構，即有序點雲經過濾波后，仍能夠保持有序性。
setKeepOrganized默認false，即直接將濾除的點刪除，從而可能改變點雲的組織結構。is_dense: 1
若設置為true，再通過setuserFilterValue設置一個指定的值，被濾除的點將會被該值代替；不進行setuserFilterValue設置，則默認用nan填充被濾除的點。is_dense: 0;
七、ExtractIndices索引提取
從原始點雲中提取一組索引對應的點雲子集，前提是要獲取點雲索引集合。
流程：讀入點雲→平面分割獲取索引集合→創建點雲索引提取對象→執行索引提取→保存提取點雲
#include <pcl/filters/extract_indices.h>濾波前后對比
八、投影濾波器
將點投影到一個參數化模型上，這個參數化模型可以是平面、圓球、圓柱、錐形等進行投影濾波。
參數化模型投影點雲，以平面投影為例：讀入點雲→創建參數化模型→設置模型系數→執行投影濾波→保存投影點雲
#include <pcl/filters/project_inliers.h>
投影前后對比
九、ModelOutlierRemoval模型濾波器
根據點到模型的距離，設置距離閾值過濾非模型點
流程：讀入點雲→設置模型系數→創建模型濾波器對象→執行模型濾波→保存濾波結果
濾波前后對比
十、空間裁剪濾波
10.1 CropHull濾波器
獲取點雲在 3D 封閉曲面上或 2D 封閉多邊形內或外部的點。
流程：讀入點雲→設置封閉范圍頂點→創建凸包對象→執行CropHull濾波→保存濾波點雲
需要注意的是 ，setDimension()和CH.setDim()的維度應保持一致
當維度設置為2時，封閉區域為2D封閉多邊形，只有X和Y兩個維度。因此，該封閉多邊形在三維空間中表示為垂直於XOY面的豎直曲面。得到的是曲面內部或外部的點雲。
當維度設置為3時，封閉區域為3D封閉曲面，僅得到位於該封閉曲面上的點。
十一 、BilateralFilter 雙邊濾波器
class pcl::BilateralFilter< PointT > 類BilateralFilter是對雙邊濾波算法在點雲上的實現，該類的實現利用的並非XYZ字段的數據進行，而是利用強度數據進行雙邊濾波算法的實現，所以在使用該類時點雲的類型必須有強度字段，否則無法進行雙邊濾波處理（所以在用這個函數的時候是需要注意自己輸入點雲的數據格式的，需要包含點雲的強度信息）
#include <pcl/filters/bilateral.h>
注：只是代碼跑通，並不適用於1.pcd文件（1.pcd文件只有XYZ字段，沒有強度字段）