标签：pcl point PCL pass 点云 ptr cloud 通滤波

• 这是一个demo，用来解释直通滤波
• 首先加载必要的头文件

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/filters/passthrough.h> //直通滤波
#include <pcl/visualization/pcl_visualizer.h>

• 实例化点云对象

	//定义输入和输出点云
	//输入的点云
	pcl::PointCloud<pcl::PointXYZ>::Ptr point_cloud_in_ptr(new 	pcl::PointCloud<pcl::PointXYZ>);
	//滤波后的点云
	pcl::PointCloud<PointT>::Ptr cloud_filtered(new pcl::PointCloud<PointT>);

• 随机生成一个点云

	//创建随机点云
	point_cloud_in_ptr->width = 100000;
	point_cloud_in_ptr->height = 1;
	point_cloud_in_ptr->is_dense = false;
	point_cloud_in_ptr->resize(point_cloud_in_ptr->width * point_cloud_in_ptr->height);
	float a = -1,b = 1;
	for (size_t i = 0; i < point_cloud_in_ptr->points.size(); ++i)
	{
		point_cloud_in_ptr->points[i].x = rand() * 1.0 / RAND_MAX * (b - a) + a;
		point_cloud_in_ptr->points[i].y = rand() * 1.0 / RAND_MAX * (b - a) + a;
		point_cloud_in_ptr->points[i].z = rand() * 1.0 / RAND_MAX * (b - a) + a;
	}

• 这个点云是在区间 x y z 在[-1 ，1]的正方形无序点云
  
  
• 将 Z 轴（蓝色） 在 [-0.5 ，0.5] 区间内的数据过滤

	//直通滤波对象
	pcl::PassThrough<PointT> pass;
	//设置直通滤波
	pass.setInputCloud(point_cloud_in_ptr);
	//设置处理字段是z轴
	pass.setFilterFieldName("z");
	//处理范围区间
	pass.setFilterLimits(-0.5, 0.5);
	//设置是过滤区间内还是区间外 true = 内 false = 外
	pass.setFilterLimitsNegative(true);
	pass.filter(*cloud_filtered);

• 全部代码

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/filters/passthrough.h>
#include <pcl/visualization/pcl_visualizer.h>
/*
* 直通滤波测试
*/

typedef pcl::PointXYZ PointT;

int main() {
	//定义输入和输出点云
	//输入的点云
	pcl::PointCloud<pcl::PointXYZ>::Ptr point_cloud_in_ptr(new pcl::PointCloud<pcl::PointXYZ>);
	//滤波后的点云
	pcl::PointCloud<PointT>::Ptr cloud_filtered(new pcl::PointCloud<PointT>);
	
	//创建随机点云
	point_cloud_in_ptr->width = 100000;
	point_cloud_in_ptr->height = 1;
	point_cloud_in_ptr->is_dense = false;
	point_cloud_in_ptr->resize(point_cloud_in_ptr->width * point_cloud_in_ptr->height);

	float a = -1,b = 1;
	for (size_t i = 0; i < point_cloud_in_ptr->points.size(); ++i)
	{
		point_cloud_in_ptr->points[i].x = rand() * 1.0 / RAND_MAX * (b - a) + a;
		point_cloud_in_ptr->points[i].y = rand() * 1.0 / RAND_MAX * (b - a) + a;
		point_cloud_in_ptr->points[i].z = rand() * 1.0 / RAND_MAX * (b - a) + a;
	}

	//直通滤波对象
	pcl::PassThrough<PointT> pass;
	//设置直通滤波
	pass.setInputCloud(point_cloud_in_ptr);
	//设置处理字段是z轴
	pass.setFilterFieldName("z");
	//处理范围区间
	pass.setFilterLimits(-0.5, 0.5);
	//设置是过滤区间内还是区间外
	pass.setFilterLimitsNegative(true);
	pass.filter(*cloud_filtered);
	std::cerr << "原始点云经过直通滤波处理后的大小 = " << cloud_filtered->size() << std::endl;


	pcl::visualization::PCLVisualizer viewer("v1");
	viewer.addPointCloud(cloud_filtered);
	viewer.addCoordinateSystem();
	viewer.spin();

	return 0;
}

标签：pcl,point,PCL,pass,点云,ptr,cloud,通滤波
来源： https://blog.csdn.net/weixin_42585456/article/details/121582986

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。