小白：師兄，上次你講了點(diǎn)云拼接后，我回去費(fèi)了不少時(shí)間研究，終于得到了和你給的參考結(jié)果差不多的點(diǎn)云，不過(guò)，這個(gè)點(diǎn)云“可遠(yuǎn)觀而不可近看”，放大了看就只有一個(gè)個(gè)稀疏的點(diǎn)了。究竟它能干什么呢？

師兄：這個(gè)問(wèn)題嘛。。?；揪秃蚐LAM的作用一樣，定位和建圖小白：定位好理解，可是師兄說(shuō)建圖，這么稀疏的地圖有什么用呢？師兄：地圖分很多種，稀疏的，稠密的，還有半稀疏的等，你輸出的這個(gè)稀疏的地圖放大了看就是一個(gè)個(gè)離散的空間點(diǎn)，不過(guò)我們可以把它變成連續(xù)的稠密的網(wǎng)格，這個(gè)過(guò)程也叫點(diǎn)云的網(wǎng)格化小白：哇塞，聽起來(lái)好高大上呢，具體怎么做呢？師兄：點(diǎn)云網(wǎng)格化需要對(duì)點(diǎn)云進(jìn)行一系列處理，今天我們先說(shuō)說(shuō)點(diǎn)云處理流程的第一步，叫做點(diǎn)云濾波

為什么要對(duì)點(diǎn)云濾波？

小白：濾波是什么鬼？

師兄：濾波最早來(lái)自在數(shù)字信號(hào)處理里的概念，你可以理解為是一個(gè)過(guò)濾器，是對(duì)點(diǎn)云的一種預(yù)處理方法

小白：哦哦，想起來(lái)中學(xué)學(xué)的濾紙，就是可以過(guò)濾掉雜質(zhì)那種師兄：哈哈，對(duì)，這個(gè)很形象了，你看下面這個(gè)圖，左側(cè)就是原來(lái)的點(diǎn)云，右側(cè)是經(jīng)過(guò)濾波后濾掉的“雜質(zhì)”

小白：師兄，那是所有的點(diǎn)云一開始都要濾波嗎？師兄：如果你的點(diǎn)云本來(lái)就非常好了，就不需要了。一般下面這幾種情況需要進(jìn)行點(diǎn)云濾波處理：（1） 點(diǎn)云數(shù)據(jù)密度不規(guī)則需要平滑（2） 因?yàn)檎趽醯葐?wèn)題造成離群點(diǎn)需要去除（3） 大量數(shù)據(jù)需要下采樣（4） 噪聲數(shù)據(jù)需要去除

小白：前三點(diǎn)還能勉強(qiáng)理解，這第四點(diǎn)中點(diǎn)云中噪聲數(shù)據(jù)從哪里來(lái)的呢？師兄：這個(gè)很多因素啦！一方面來(lái)自設(shè)備。比如我們用激光掃描儀、RGB-D相機(jī)等設(shè)備獲取點(diǎn)云數(shù)據(jù)時(shí)，由于設(shè)備精度，電磁波的衍射特性等都會(huì)引入噪聲的。另一方面來(lái)自環(huán)境因素帶來(lái)的影響，比如被測(cè)物體表面性質(zhì)發(fā)生變化。還有一個(gè)重要的方面就是操作者經(jīng)驗(yàn)帶來(lái)的影響，比如在處理點(diǎn)云數(shù)據(jù)拼接配準(zhǔn)等操作過(guò)程中引入的一些噪聲等。

小白：嗯嗯，原來(lái)噪聲數(shù)據(jù)這么容易混進(jìn)來(lái)啊。那怎么去掉他們呢？或者說(shuō)怎么樣濾波呢？說(shuō)濾波好像顯得更專業(yè)一點(diǎn)哈師兄：點(diǎn)云中的噪聲點(diǎn)對(duì)后續(xù)操作的影響比較大。就像蓋房子一樣，地基有很多瑕疵，如果不加以處理最終可能會(huì)導(dǎo)致整個(gè)房子坍塌的。不過(guò)別擔(dān)心，PCL中有一個(gè)專門的點(diǎn)云濾波模塊，可以將噪聲點(diǎn)去除，還可以進(jìn)行點(diǎn)云壓縮等操作，非常靈活實(shí)用，例如：雙邊濾波，統(tǒng)計(jì)濾波，條件濾波，隨機(jī)采樣一致性濾波等。這樣才能夠更好的進(jìn)行配準(zhǔn)，特征提取，曲面重建，可視化等后續(xù)應(yīng)用處理。小白：那太好啦，PCL都幫我們想到啦，我迫不及待的想要實(shí)踐一下啦。具體怎么操作呢？師兄：濾波模塊主要是調(diào)用一些封裝好的濾波函數(shù)，然后根據(jù)需要設(shè)定一下參數(shù)，還是很直觀的。

一般來(lái)說(shuō)，濾波對(duì)應(yīng)的方案有如下幾種：（1）按照給定的規(guī)則限制過(guò)濾去除點(diǎn)（2） 通過(guò)常用濾波算法修改點(diǎn)的部分屬性（3）對(duì)數(shù)據(jù)進(jìn)行下采樣

小白：哦哦，這么多函數(shù)啊，哪里有這個(gè)濾波函數(shù)大全呢？方便我需要的時(shí)候去查查用哪個(gè)的那種？

師兄：有的，PCL中關(guān)于點(diǎn)云濾波的所有函數(shù)都在這里：http://docs.pointclouds.org/trunk/group__filters.html下面我們舉兩個(gè)例子介紹一下，簡(jiǎn)單的熟悉一下濾波的過(guò)程

點(diǎn)云下采樣

師兄：我先說(shuō)一下數(shù)據(jù)下采樣吧，這個(gè)最簡(jiǎn)單小白：師兄，能不能問(wèn)下為啥要下采樣？我有強(qiáng)迫癥，每做一件事情前都想知道原因。。。師兄：嗯，這個(gè)不算強(qiáng)迫癥啦，是個(gè)好習(xí)慣！了解原因了就知道什么時(shí)候用嘛！我舉個(gè)例子，比如我們上次點(diǎn)云融合，一張640x480 的Depth圖，假如每個(gè)地方都有深度值，可以轉(zhuǎn)化為30萬(wàn)個(gè)點(diǎn)組成的點(diǎn)云，如果有幾十張上百?gòu)垐D這樣暴力融合，那這個(gè)融合的點(diǎn)云會(huì)越來(lái)越大，儲(chǔ)存、操作都是個(gè)大問(wèn)題！

小白：是不是相當(dāng)于我有個(gè)大容量的樣本，我按一定的規(guī)則從里面抽取有代表性的樣本，可以代替原來(lái)的樣本，是這樣嗎？師兄：對(duì)，理解的很到位。這個(gè)下采樣PCL中有專門的類，叫做

classpcl::ApproximateVoxelGrid

它比較適合對(duì)海量的點(diǎn)云在處理前進(jìn)行數(shù)據(jù)壓縮，就像我們上次講的點(diǎn)云融合后的數(shù)據(jù)那樣，而且可以在特征提取等處理中選擇合適的體素（voxel）大小等參數(shù)，提高算法效率。該函數(shù)對(duì)輸入的點(diǎn)云數(shù)據(jù)創(chuàng)建一個(gè)三維體素柵格，每個(gè)體素內(nèi)用體素中所有點(diǎn)的重心來(lái)近似顯示體素中其他點(diǎn)，這樣該體素內(nèi)所有點(diǎn)都用一個(gè)重心點(diǎn)最終表示。它的優(yōu)點(diǎn)是可以在下采樣的時(shí)候保存點(diǎn)云的形狀特征。看下面是它的結(jié)果，左邊是待處理的右邊是處理前，右邊是處理后

小白：看起來(lái)確實(shí)形狀保持的挺好，這個(gè)怎么編程實(shí)現(xiàn)？

師兄：其實(shí)關(guān)鍵就下面幾行代碼

pcl::VoxelGriddownSampled;//創(chuàng)建濾波對(duì)象downSampled.setInputCloud(cloud);//設(shè)置需要過(guò)濾的點(diǎn)云給濾波對(duì)象downSampled.setLeafSize(0.01f,0.01f,0.01f);//設(shè)置濾波時(shí)創(chuàng)建的體素體積為1cm的立方體downSampled.filter(*cloud_downSampled);//執(zhí)行濾波處理，存儲(chǔ)輸出

每行代碼的意義都注釋好了，應(yīng)該不難理解小白：看起來(lái)好像也不麻煩師兄；嗯，上面只是經(jīng)常用的成員函數(shù)，還有一些其他成員函數(shù)，我這里只重點(diǎn)介紹兩個(gè)一個(gè)是

setLeafSize(floatlx,floatly,floatlz)

setLeafSize后面的三個(gè)參數(shù)表示體素柵格葉大小，分別表示體素在XYZ方向的尺寸，以米為單位，上面就是設(shè)置為長(zhǎng)寬高都為1cm另外一個(gè)是設(shè)置是否對(duì)所有的字段進(jìn)行下采樣，成員函數(shù)為

setDownsampleAllData(booldownsample)

小白：師兄，這個(gè)字段是啥意思？師兄：哦，不好意思，忘記解釋了。我們知道點(diǎn)云有不同的類型，比如有的是 PointXYZ，有的是PointXYZRGB，還有其他類型，也就是一個(gè)點(diǎn)包含多種不同信息，比如空間位置XYZ，顏色信息RGB，或者強(qiáng)度信息等，如果想要對(duì)所有信息（字段）下采樣則設(shè)置為true，只對(duì)XYZ下采樣的話設(shè)置為false

如何充分了解每個(gè)類的功能?

小白：嗯，了解啦，不過(guò)我有個(gè)問(wèn)題，我想要用這個(gè)下采樣類時(shí)怎么知道它有哪些函數(shù)可以用呢？師兄：這個(gè)好問(wèn)題，PCL官網(wǎng)上一般都有例程，但是例程包含的成員函數(shù)是很有限的，所以如果你想要了解這個(gè)濾波模板類的所有功能，或者說(shuō)內(nèi)聯(lián)成員函數(shù)的話，最好的辦法就是去官網(wǎng)查詢。我們還是以pcl::ApproximateVoxelGrid 模板類為例進(jìn)行說(shuō)明

第一步，登錄PCL API documentation http://docs.pointclouds.org/trunk/

第二步：在右上角搜索框內(nèi)輸入我們要查詢的模板類名稱，這里我們輸入ApproximateVoxelGrid，如下所示，會(huì)自動(dòng)跳出來(lái)匹配的結(jié)果

第三步：選擇你要找的類名，點(diǎn)擊進(jìn)入，就到了下面這個(gè)界面，列出了所有的成員變量和成員函數(shù)，點(diǎn)擊每個(gè)成員函數(shù)，會(huì)跳到對(duì)應(yīng)的解釋界面

你看除了我們前面提到的幾個(gè)成員函數(shù)，其實(shí)還有好幾個(gè)我們沒用到的都在這里了，需要的話可以使用啦，就是這樣簡(jiǎn)單

小白：授人以魚不如授人以漁，謝謝師兄！以后我可以自己查函數(shù)啦

去除點(diǎn)云的離群點(diǎn)

師兄：剛才下采樣只是萬(wàn)里長(zhǎng)征第一步，下面說(shuō)一下去除離群點(diǎn)方法。小白：等下，師兄，什么是離群點(diǎn)啊？師兄：哦，忘了解釋這個(gè)術(shù)語(yǔ)了，抱歉，我簡(jiǎn)單說(shuō)一下，離群點(diǎn)對(duì)應(yīng)的英文是outliers，也叫外點(diǎn)，就是明顯偏離“群眾”的點(diǎn)，比如我們用激光掃描一面平坦的墻壁，正常情況下得到的應(yīng)該是差不多也位于同一個(gè)平面的點(diǎn)云，但是由于設(shè)備測(cè)量誤差等原因，會(huì)產(chǎn)生少量脫離群眾的空間點(diǎn)，離本來(lái)的墻壁過(guò)遠(yuǎn)，我們就叫這部分點(diǎn)為離群點(diǎn)。

小白：哈哈，離群點(diǎn)就是脫離群眾的壞點(diǎn)，明白啦！不過(guò)這些點(diǎn)不是很少嗎？有必要趕盡殺絕嗎？師兄：“趕盡殺絕”，很形象的比喻！哈哈，還是很有必要的，因?yàn)殡x群點(diǎn)會(huì)使局部點(diǎn)云特征(如表面法線或曲率變化)的估計(jì)復(fù)雜化，從而導(dǎo)致錯(cuò)誤的值，從而可能導(dǎo)致點(diǎn)云配準(zhǔn)失敗。而且這些離群點(diǎn)還會(huì)隨著積累進(jìn)行傳導(dǎo)，不早點(diǎn)消滅會(huì)有很大隱患的。

小白：原來(lái)危害這么大，那師兄趕快告訴我該怎樣消滅它們吧！師兄：好，我這里列舉兩個(gè)常用的去除離群點(diǎn)的類，第一個(gè)類叫做 StatisticalOutlierRemoval ，顧名思義，使用統(tǒng)計(jì)分析技術(shù)，從一個(gè)點(diǎn)云數(shù)據(jù)中集中移除測(cè)量噪聲點(diǎn)，也就是離群點(diǎn)啦！

小白：聽起來(lái)很高大上啊，那具體是什么統(tǒng)計(jì)分析技術(shù)呢？師兄：主要是對(duì)每個(gè)點(diǎn)的鄰域進(jìn)行統(tǒng)計(jì)分析，剔除不符合一定標(biāo)準(zhǔn)的鄰域點(diǎn)。具體來(lái)說(shuō)，對(duì)于每個(gè)點(diǎn)，我們計(jì)算它到所有相鄰點(diǎn)的平均距離。假設(shè)得到的分布是高斯分布，我們可以計(jì)算出一個(gè)均值 μ 和一個(gè)標(biāo)準(zhǔn)差 σ，那么這個(gè)鄰域點(diǎn)集中所有點(diǎn)與其鄰域距離大于μ + std_mul * σ 區(qū)間之外的點(diǎn)都可以被視為離群點(diǎn)，并可從點(diǎn)云數(shù)據(jù)中去除。std_mul 是標(biāo)準(zhǔn)差倍數(shù)的一個(gè)閾值，可以自己指定。

小白：嗯，聽起來(lái)還是挺科學(xué)的，槍打出頭鳥嘛！師兄，這個(gè)原理我懂啦，重點(diǎn)是怎么編程呢？師兄：這里有個(gè)示例代碼

pcl::StatisticalOutlierRemovalsor;//創(chuàng)建濾波器對(duì)象sor.setInputCloud(cloud);//設(shè)置待濾波的點(diǎn)云sor.setMeanK(50);//設(shè)置在進(jìn)行統(tǒng)計(jì)時(shí)考慮的臨近點(diǎn)個(gè)數(shù)sor.setStddevMulThresh(1.0);//設(shè)置判斷是否為離群點(diǎn)的閥值，用來(lái)倍乘標(biāo)準(zhǔn)差，也就是上面的std_mulsor.filter(*cloud_filtered);//濾波結(jié)果存儲(chǔ)到cloud_filtered

小白：和前面下采樣的形式很像哎師兄：嗯，PCL都幫你寫好了，你只需要?jiǎng)?chuàng)建對(duì)象，設(shè)置參數(shù)就行啦。小白：師兄可以稍微解釋一下上面代碼嗎？師兄：好，這個(gè)應(yīng)該不難看懂。你看，我們先創(chuàng)建統(tǒng)計(jì)分析濾波器，然后設(shè)置濾波器輸入是 cloud，也就是我們待處理的點(diǎn)云，然后設(shè)置對(duì)每個(gè)點(diǎn)分析的臨近點(diǎn)的個(gè)數(shù)設(shè)置為50 ，并將標(biāo)準(zhǔn)差的倍數(shù)設(shè)置為1， 這意味著如果一個(gè)點(diǎn)的距離超出了平均距離加上一個(gè)標(biāo)準(zhǔn)差以上，則該點(diǎn)被標(biāo)記為離群點(diǎn)，并將它移除。最后統(tǒng)計(jì)分析濾波后，輸出的結(jié)果就是cloud_filtered小白：師兄這么一解釋感覺容易理解多了，這個(gè)方法效果怎么樣？

師兄：效果還是挺不錯(cuò)的，你看下圖展示了稀疏離群值分析和移除的效果:原始數(shù)據(jù)集顯示在左邊，結(jié)果集顯示在右邊。圖中紅色表示濾波前的平均k近鄰距離，綠色表示濾波后的平均k近鄰距離，可以看到毛刺明顯少了很多。

小白：嗯嗯，效果明顯，看的見！師兄：另外，還有一個(gè)比較簡(jiǎn)單常用的方法就是根據(jù)空間點(diǎn)半徑范圍臨近點(diǎn)數(shù)量來(lái)濾波，對(duì)應(yīng)的類名是 RadiusOutlinerRemoval，這個(gè)很容易理解，它的濾波思想非常直接，就是在點(diǎn)云數(shù)據(jù)中，設(shè)定每個(gè)點(diǎn)一定半徑范圍內(nèi)周圍至少有足夠多的近鄰，不滿足就會(huì)被刪除。小白：這個(gè)半徑范圍是怎么定的？師兄：因?yàn)榭臻g點(diǎn)的具體坐標(biāo)都是知道的，所以我們可以很方便的計(jì)算某個(gè)點(diǎn)和它周圍所有點(diǎn)的歐氏距離，這些都是以米為單位的，可以直接指定具體的數(shù)值，對(duì)于三維建模很實(shí)用。

下圖就是該類的篩選方法。比如你指定了一個(gè)半徑d，然后指定該半徑內(nèi)至少有1個(gè)鄰居，那么下圖中只有黃色的點(diǎn)將從點(diǎn)云中刪除。如果指定了半徑內(nèi)至少有2個(gè)鄰居，那么黃色和綠色的點(diǎn)都將從點(diǎn)云中刪除。

小白：確實(shí)很直觀，編程怎么實(shí)現(xiàn)呢？師兄：編程實(shí)現(xiàn)的簡(jiǎn)單例子在這里：

pcl::RadiusOutlierRemovalpcFilter;//創(chuàng)建濾波器對(duì)象pcFilter.setInputCloud(cloud);//設(shè)置待濾波的點(diǎn)云pcFilter.setRadiusSearch(0.8);//設(shè)置搜索半徑pcFilter.setMinNeighborsInRadius(2);//設(shè)置一個(gè)內(nèi)點(diǎn)最少的鄰居數(shù)目（見上面解釋）pcFilter.filter(*cloud_filtered);//濾波結(jié)果存儲(chǔ)到cloud_filtered

小白：確實(shí)用法都差不多，我按照前面師兄講的方法充分了解每個(gè)類的功能，就會(huì)用啦！師兄：嗯，今天篇幅已經(jīng)比較長(zhǎng)了，雖然感覺才講了一點(diǎn)，下次我們?cè)僦v網(wǎng)格化吧！小白：好，那下次再聊啦，謝謝師兄！