目录
一、概述
1.1原理
1.2实现步骤
1.3应用场景
二、代码实现
2.1关键函数
2.1.1 高斯滤波实现
2.1.2 可视化函数
2.2完整代码
三、实现效果
PCL点云算法汇总及实战案例汇总的目录地址链接：
PCL点云算法与项目实战案例汇总（长期更新）
一、概述
高斯滤波 是一种平滑点云的常用方法，通过在点云上应用高斯核，减少噪声和尖锐边缘，得到更平滑的表面。它可以有效去除小尺度的噪声，保留较大结构的几何形状，因此常用于预处理阶段的点云数据平滑。
1.1原理
高斯滤波的原理是：根据高斯核函数，对每个点的邻域进行加权平均。离中心点越近的点权重越大，离中心点越远的点权重越小。通过这种方式，可以减小点云的局部波动，实现平滑效果。
高斯核函数定义如下：
其中，σ 是标准差，控制平滑的程度。
1.2实现步骤
- 读取点云数据。
- 设置高斯滤波器的参数，包括搜索半径和标准差。
- 应用高斯滤波，生成平滑后的点云。
- 可视化原始点云和平滑后的点云。
1.3应用场景
- 去噪：去除点云中的高频噪声。
- 平滑表面：在进行曲面重建之前，对点云进行平滑处理。
- 图像处理：可用于图像中的 3D 场景点云的预处理。
二、代码实现
2.1关键函数
2.1.1 高斯滤波实现
通过设置邻域搜索的半径和高斯核的标准差，应用高斯滤波。
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/surface/mls.h>// 高斯滤波函数
pcl::PointCloud<pcl::PointXYZ>::Ptr gaussianFilter(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, // 输入点云float search_radius, // 搜索半径float sigma_smoothing // 高斯核标准差
)
{// 创建 MLS 滤波对象，并设置参数pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointXYZ> mls;mls.setInputCloud(cloud); // 设置输入点云mls.setSearchRadius(search_radius); // 设置邻域搜索半径mls.setPolynomialFit(true); // 启用多项式拟合mls.setPolynomialOrder(2); // 多项式阶数mls.setSqrGaussParam(sigma_smoothing * sigma_smoothing); // 设置高斯平滑的参数（标准差）// 平滑处理后的点云pcl::PointCloud<pcl::PointXYZ>::Ptr smoothed_cloud(new pcl::PointCloud<pcl::PointXYZ>);mls.process(*smoothed_cloud); // 应用平滑处理return smoothed_cloud; // 返回平滑后的点云
}
2.1.2 可视化函数
使用 PCL 可视化库展示原始点云和高斯平滑后的点云。
#include <pcl/visualization/pcl_visualizer.h>// 可视化原始点云和平滑后的点云
void visualizePointClouds(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, // 原始点云pcl::PointCloud<pcl::PointXYZ>::Ptr smoothed_cloud // 平滑后的点云
)
{// 创建可视化器pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Gaussian Smoothing Viewer"));// 创建视口1，显示原始点云int vp_1;viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1); // 创建左侧窗口viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1); // 设置白色背景viewer->addText("Raw Point Clouds", 10, 10, "v1_text", vp_1); // 添加标题// 设置原始点云的颜色为红色pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 255, 0, 0); // 红色viewer->addPointCloud<pcl::PointXYZ>(cloud, cloud_color_handler, "original_cloud", vp_1); // 添加原始点云// 创建视口2，显示平滑后的点云int vp_2;viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2); // 创建右侧窗口viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2); // 设置浅灰色背景viewer->addText("Smoothed Point Clouds", 10, 10, "v2_text", vp_2); // 添加标题// 设置平滑后的点云颜色为绿色pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> smoothed_cloud_color_handler(smoothed_cloud, 0, 255, 0); // 绿色viewer->addPointCloud<pcl::PointXYZ>(smoothed_cloud, smoothed_cloud_color_handler, "smoothed_cloud", vp_2); // 添加平滑后的点云// 设置点的大小（可选）viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "smoothed_cloud", vp_2);// 启动可视化循环while (!viewer->wasStopped()){viewer->spinOnce(100); // 刷新可视化器}
}
2.2完整代码
// C++头文件
#include <iostream>
// PCL头文件
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/surface/mls.h> // 高斯平滑滤波
#include <pcl/visualization/pcl_visualizer.h>// 高斯滤波函数
pcl::PointCloud<pcl::PointXYZ>::Ptr gaussianFilter(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, // 输入点云float search_radius, // 搜索半径float sigma_smoothing // 高斯核标准差
)
{// 创建 MLS 滤波对象，并设置参数pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointXYZ> mls;mls.setInputCloud(cloud); // 设置输入点云mls.setSearchRadius(search_radius); // 设置邻域搜索半径mls.setPolynomialFit(true); // 启用多项式拟合mls.setPolynomialOrder(2); // 多项式阶数mls.setSqrGaussParam(sigma_smoothing * sigma_smoothing); // 设置高斯平滑的参数（标准差）// 平滑处理后的点云pcl::PointCloud<pcl::PointXYZ>::Ptr smoothed_cloud(new pcl::PointCloud<pcl::PointXYZ>);mls.process(*smoothed_cloud); // 应用平滑处理return smoothed_cloud; // 返回平滑后的点云
}// 可视化原始点云和平滑后的点云
void visualizePointClouds(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, // 原始点云pcl::PointCloud<pcl::PointXYZ>::Ptr smoothed_cloud // 平滑后的点云
)
{// 创建可视化器pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Gaussian Smoothing Viewer"));// 创建视口1，显示原始点云int vp_1;viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1); // 创建左侧窗口viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1); // 设置白色背景viewer->addText("Raw Point Clouds", 10, 10, "v1_text", vp_1); // 添加标题// 设置原始点云的颜色为红色pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 255, 0, 0); // 红色viewer->addPointCloud<pcl::PointXYZ>(cloud, cloud_color_handler, "original_cloud", vp_1); // 添加原始点云// 创建视口2，显示平滑后的点云int vp_2;viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2); // 创建右侧窗口viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2); // 设置浅灰色背景viewer->addText("Smoothed Point Clouds", 10, 10, "v2_text", vp_2); // 添加标题// 设置平滑后的点云颜色为绿色pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> smoothed_cloud_color_handler(smoothed_cloud, 0, 255, 0); // 绿色viewer->addPointCloud<pcl::PointXYZ>(smoothed_cloud, smoothed_cloud_color_handler, "smoothed_cloud", vp_2); // 添加平滑后的点云// 设置点的大小（可选）viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "smoothed_cloud", vp_2);// 启动可视化循环while (!viewer->wasStopped()){viewer->spinOnce(100); // 刷新可视化器}
}int main(int argc, char** argv)
{// ------------------------------读取点云数据---------------------------------pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);if (pcl::io::loadPCDFile("ro_bunny.pcd", *cloud) < 0){PCL_ERROR("Could not read file\n");return (-1); // 返回错误}// -------------------------------高斯滤波---------------------------------float search_radius = 0.01; // 设置搜索半径float sigma_smoothing = 0.01; // 设置高斯核标准差pcl::PointCloud<pcl::PointXYZ>::Ptr smoothed_cloud = gaussianFilter(cloud, search_radius, sigma_smoothing); // 应用高斯滤波// ------------------------------可视化原始点云和平滑后的点云---------------------------------visualizePointClouds(cloud, smoothed_cloud); // 调用可视化函数return 0;
}
三、实现效果
