点云库PCL回顾—滤波篇

PCL中滤波类型的类图：

由此推出一些一般性的结论：

FilterIndices子类的滤波类型可以保持有序性(x,y置nan)和取反操作，而不是其子类则会破坏栅格。

进一步的分类

我进一步把PCL滤波模块分为四个种类：感兴趣区域，采样，去噪和其他。

感兴趣区域

感兴趣区域是指按一定条件直接提取出特定关注的部分，包括

PassThrough: 按照filedname过滤

CropBox*： 按照给定的立方体框过滤数据

CropHull*： 基于凸包裁剪点云

FrustumCulling： 按照视锥体过滤

ExtractIndices： 从点云中获取一组索引，和分割算法配合

ConditionalRemoval：自定义的过滤条件

采样

采样的目的是压缩需要处理的数据量

VoxelGrid： 体素滤波，分成3D网格，每个体素取质心

VoxelGridLabel: 确保标签也被适当地处理和保留

VoxelGridCovariance: 包含数据均值和协方差的可搜索体素结构 主要用于NDT

VoxelGridOccusionEstimation: 障碍物检测 遮挡分析

ApproximateVoxelGrid: 按顺序排列的情况下，更快的体素滤波

SamplingSurfaceNormal: 保留点法线特征的降采样

UniformSampling: 和体素滤波近似，但是取距离体素中心最近的点，是均匀采样

CovarianceSampling: 保留协方差特征，用于ICP的稳定性

FarthestPointSampling(FPS): 保持点云结构的同时，选择具有最大覆盖范围的点，相当于取一个壳

GridMinimum: 用平面2D网络进行下采样，求取栅格最低点，主要用于地理

LocalMaximum: 通过消除局部最大值进行下采样

NormalSpaceSampling: 注重点的法向特征的采样

RandomSample: 随机采样

去噪声

BilateralFilter: 双边滤波，要求有序点云，速度相对较慢

FastBilateralFilter: 要求有序点云

FastBilateralFilterOMP: 多线程版本的实现

MedianFilter: 中值滤波

ShadowPoints*: 从点云中移除可能由于遮挡或视角产生的阴影点，常用于环境扫描

ModelOutlierRemoval: 一般使用平面作为模型，根据预定义的几何模型从点云中滤掉异常值

RadiusOutlierRemoval: 半径滤波

StaticalOutlerRemoval: 统计滤波

其他

projectInliers: 将点云数据投影到几何模型

pcl::experimental::advanced: 自定义过滤条件

比较

VoxelGrid VS ApproximateVoxelGrid：

ApproximateVoxelGrid更适合内存中点接近，按顺序排列的情况，ApproximateVoxelGrid没有最少点数量的限制

VoxelGrid VS SamplingSurfaceNormal

pcl::SamplingSurfaceNormal 更注重保留点的法线特征，表面的点会更有代表性

VoxelGrid更注重整体形状分布

VoxelGrid VS UniformSampling

VoxelGrid取体素重心，可能不是点云中已有的点，而UniformSampling取距离体素中心最近的点，必定是点云中已有的点

voxelGrid VS VoxelGridCovariance

VoxelGridCovariance保留了用于点云配准的协方差

VoxelGrid VS VoxelGridOcclusionEstimation

BilateralFilter VS FastBilateralFilter VS FastBilateralFilterOMP

ConditionalRemoval和FilterIndices

ConditionalRemoval 和采样和去噪一样无法获取保留的点的索引，而FilterIndices可以获取保留或者删除的点的索引

NormalSpaceSampling VS SamplingSurfaceNormal

NormalSpaceSampling追求所选点法线分布尽可能大，法线变化大的局部区域样本更多

SamplingSurfaceNormal是针对法线的均匀采样，样本是均匀的

CropHull和ModelOutlierRemoval

RadiusOutlierRemoval和StatisticalOutlierRemoval