PCL 点云处理核心算法与模块汇总
PCL (Point Cloud Library) 是 C++ 环境下处理三维数据的标准工具。本文梳理了从滤波、配准、分割到重建的核心算法模块，涵盖 KD 树、八叉树、特征描述子及可视化等关键功能，为开发者提供系统化的技术参考。
基础操作示例
在实际开发中，点云的读取、保存和复制是最基础的环节。以下是几个常用 API 的使用片段：
点云复制
pcl::copyPointCloud(*cloud, indicesY, *cloud_yboundary);
读取 PCD 文件
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
if(pcl::io::loadPCDFile<pcl::PointXYZ>("source_slice_4000_change.pcd", *cloud) == -1){
PCL_ERROR("Could not read file\n");
}
保存 PCD 文件
pcl::io::savePCDFileBinary("dragonfps.pcd", *filtered);
一、点云滤波
滤波是预处理的关键步骤，用于去除噪声或提取感兴趣区域。
1. 常用滤波器
- 直通滤波器 (PassThroughFilter)：基于坐标轴范围裁剪数据。
- 体素滤波器 (VoxelGrid)：通过体素网格下采样，平衡精度与效率。
- 统计滤波器 (StatisticalOutlierRemoval)：剔除偏离均值过远的离群点。
- 半径滤波器 (RadiusOutlierRemoval)：根据邻域点数过滤稀疏点。
- 条件滤波器 (ConditionAndRemoval)：结合自定义规则进行筛选。
- 模型滤波器 (ModelInliers)：基于拟合模型（如平面）保留内点。
- 投影滤波器：将点云投影到平面、球面或圆柱面上。
- 高斯滤波与双边滤波：平滑点云表面，保留边缘特征。
2. 采样滤波
- 均匀/随机采样：快速减少点云密度。
- 法线空间采样：在曲率变化大的区域保留更多点。
- 最远点采样 (FPS)：保证采样点的空间分布均匀性。
- MLS 上采样：利用移动最小二乘法增加点云密度。
3. 裁剪滤波
- CropBox/CropHull：提取立方体或多边形内部的点云。
- 平面裁剪器 (PlaneClipper3D)：基于平面方程进行切割。
