pcl滤波模块架构解析与算法汇总

1pcl滤波模块架构

以pcl::Filter为基类，衍生出各种滤波算法派生类，结构如下图所示：

2滤波基类与滤波派生类调用

pcl::Filter是几乎是所有滤波算法的接口，在pcl::Filter基类中，最重要的函数为void filter (PointCloud &output)，在我们常用的pcl统计滤波、体素滤波、半径滤波等等，在都会调用基类的该】filter函数，例如统计滤波：

  // Create the filtering object
  pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
  sor.setInputCloud (cloud);
  sor.setMeanK (50);
  sor.setStddevMulThresh (1.0);
  sor.filter (*cloud_filtered);

filter（）函数的实现如下：

inline void
      filter (PointCloud &output)
      {
        if (!initCompute ())
          return;

        if (input_.get () == &output)  // cloud_in = cloud_out
        {
          PointCloud output_temp;
          applyFilter (output_temp);
          output_temp.header = input_->header;
          output_temp.sensor_origin_ = input_->sensor_origin_;
          output_temp.sensor_orientation_ = input_->sensor_orientation_;
          pcl::copyPointCloud (output_temp, output);
        }
        else
        {
          output.header = input_->header;
          output.sensor_origin_ = input_->sensor_origin_;
          output.sensor_orientation_ = input_->sensor_orientation_;
          applyFilter (output);
        }

        deinitCompute ();
      }

在filter中调用了applyFilter（）函数，这里的applyFilter（）函数为各个滤波算法的具体实现，applyFilter（）是虚函数，在基类为纯虚函数：virtual void applyFilter (PointCloud &output) = 0;，在各个滤波派生类中实现了具体的方法。正常情况下，派生类可以调用基类的成员函数，这里值得注意的是，基类通过纯虚函数反过来调用了派生类的成员函数，对于filter模块来说不失为好的设计模式，值得学习。

3pcl滤波算法总览

pcl滤波算法主要分为三类：
滤波类、采样类、空间裁剪器、其他

3.1滤波类

(1)双边滤波，快速双边滤波，omp加速的快速双边滤波（pcl中双边滤波需要使用强度信息）

bilateral.hpp
fast_bilateral.hpp
fast_bilateral_omp.hpp

(2)半径滤波

radius_outlier_removal.hpp

(3)中值滤波

median_filter.hpp

(4)统计滤波

statistical_outlier_removal.hpp

(5)直通滤波、条件滤波
这两种原理上是一致的，都是根据点的属性（filed）例如xyz法线曲率直方图属性等进行过滤

passthrough.hpp
conditional_removal.hpp

(6)模型滤波
设置特定模型做为过滤器，根据设定的模型（如线面体）进行拟合，以此提取该模型的点云

model_outlier_removal.hpp

(7)投影滤波
设置特定几何模型做为过滤器，将点云投影至该模型

project_inliers.hpp

(8)形态学滤波
对点云进行开闭操作

morphological_filter.hpp

(9)最小z值采样
对点云建立二维网格，取网格中z值最小的点，可以用于分析多回波信息，提取地面

grid_minimum.hpp

(10)局部最大z值采样
对点云进行半径进行搜索，删除近邻中z值最大的点，可以用于提取地面

local_maximum.hpp

3.2采样类（多用于配准或者点云其他后处理）

(1)体素采样
4种体素滤波

approximate_voxel_grid.hpp
voxel_grid.hpp
voxel_grid_covariance.hpp ["The Three-Dimensional Normal-Distributions Transform an Efficient Representation for Registration"]
voxel_grid_label.cpp

(2)均匀采样

uniform_sampling.hpp

(3)随机采样

random_sample.hpp

(4)体素法线采样
将输入空间划分为网格，直到每个网格最多包含N个点，并在每个网格内随机采样点。
使用每个网格的N个点计算得到一个法线。在栅格内采样的所有点的法线都等于该法线。

sampling_surface_normal.hpp

(5)法线空间均匀采样（NSS）
将点云在法向空间中排列，然后对点云进行均匀采样

normal_space.hpp[“Efficient variants of the ICP algorithm”]

(6)基于6D协方差的点云采样
该算法以增量方式向生成的点云添加点，同时尽量使协方差矩阵的所有6个特征值彼此尽可能接近

covariance_sampling.hpp["Geometrically Stable Sampling for the ICP Algorithm"]

(7)金字塔采样
有组织点云的多尺度表示方法。这是一种迭代平滑降采样算法。

pyramid.hpp

3.3空间裁剪器

(1)锥体裁剪器
截锥体剔除过滤截锥体内由相机姿态和视野给定的点。

frustum_culling.hpp

(2)仿射变换3D包围盒裁剪器
需要给定一个仿射变换矩阵，将原点的单位包围盒进行仿射变换，得到仿射变换后的包围盒内的点云

box_clipper3D.hpp

(3)平面裁剪器

plane_clipper3D.hpp

(4)包围盒裁剪器
获取指定包围盒内的点云

crop_box.hpp

(5)凸包裁剪器
首先建立凸包，获取在3D封闭曲面上或2D封闭多边形内或外部的点云

crop_hull.hpp

3.4其他

(1)法线优化
每个法线更新为其邻域中所有法线的（加权）平均值，以此来优化已估计的法线。

normal_refinement.hpp

(2)点云卷积

convolution.hpp
convolution_3d.hpp

(3)提取索引点云

extract_indices.hpp

(4)估计遮挡区域

voxel_grid_occlusion_estimation.hpp['John Amanatides and Andrew Woo, A Fast Voxel Traversal Algorithm for Ray Tracing']

(5)移除边不连续上出现的重影点

shadowpoints.hpp

具体功能、使用和实现可以参考以下链接：
pcl滤波算法1
pcl滤波算法2
官网
官方文档
ros_pcl