PCL中的40种滤波器介绍

Voxel Grid （体素格滤波）
作用：将点云数据离散化为一个三维网格，每个网格单元内只保留一个点。这种滤波器可以降低点云数据的复杂度，减小数据量，同时可以保留点云的结构特征。
重要参数：
voxel_size：定义体素格的大小，通常设置为点云数据中最小的特征尺度。体素格大小的选择会影响滤波后的点云质量，体素格过小可能会过度削弱数据特征，体素格过大则会丢失细节。

Pass Through （范围滤波）
作用：根据用户设定的范围，保留点云数据中在这个范围内的点，过滤掉范围外的点。这种滤波器通常用于消除无用的数据或者仅保留感兴趣区域内的数据。
重要参数：
filter_field_name：选择要过滤的字段名称，如 x、y 或 z。
filter_limits：定义要保留的数据范围，通常是一个最小值和最大值的向量。

Outlier Removal （离群点滤波）
作用：移除点云数据中的离群点，从而减小误差和噪声。这种滤波器通常使用统计学方法（如平均值和标准差）来确定离群点。
重要参数：
mean_k：定义要计算平均值和标准差的邻域大小，即考虑点云中每个点周围的 k 个最近邻点。
std_dev_mul_thresh：定义标准差的乘积阈值，超过这个阈值的点将被认为是离群点并被移除。这个参数的选择通常需要根据具体应用场景和数据集的特点来调整。

Statistical Outlier Removal （统计离群点滤波）
作用：基于统计学原理对点云数据进行离群点检测和移除，去除数据中的异常点，提高数据质量和减少误差。
重要参数：
mean_k：邻域点个数，表示计算每个点的局部平均值时使用的邻域大小。
std_dev_mul_thresh：标准差阈值倍数，用于确定离群点的阈值。如果一个点的距离平均值超过标准差乘以这个阈值，那么这个点就会被认为是离群点并被移除。

Project Inliers （内点投影滤波）
作用：将点云数据投影到一个模型表面上，并保留在表面上的内点。该滤波器可以用于点云配准、分割和去噪等应用场景。
重要参数：
model_coefficients：定义表面模型的系数，如平面方程或球面方程等。
threshold：定义内点与模型表面之间的距离阈值。在这个距离范围内的点将被认为是内点并被保留。

Random Sample Consensus （随机采样一致性滤波）
作用：基于随机采样和模型拟合来检测和移除离群点。该滤波器可以应用于点云数据的拟合、配准、分割等场景。
重要参数：
model：定义要拟合的模型类型，如平面、圆柱体等。
distance_threshold：定义内点与模型之间的距离阈值，用于判断一个点是否是内点。在这个距离范围内的点将被认为是内点。
max_iterations：定义采样和模型拟合的最大迭代次数，即最多采样多少个点来拟合模型。

Conditional Euclidean Clustering （条件欧几里得聚类滤波）
作用：将点云数据分成多个类别，每个类别内部的点之间距离小于给定的阈值，并且符合特定条件。该滤波器可以用于点云分割、目标检测等应用场景。
重要参数：
cluster_tolerance：欧几里得距离阈值，用于判断点是否属于同一聚类。在这个距离范围内的点将被视为同一聚类。
min_cluster_size：最小聚类大小，用于指定每个聚类的最小点数。
max_cluster_size：最大聚类大小，用于指定每个聚类的最大点数。

Normal Estimation （法线估计滤波）
作用：计算点云数据中每个点的法向量，用于点云配准、分割、重建等应用场景。
重要参数：
search_radius：搜索半径，用于指定计算法向量时使用的邻域大小。
k_search：最近邻点数，用于指定计算法向量时使用的最近邻点的数量。

MLS Smoothing （MLS平滑滤波）
作用：通过拟合局部表面曲面来对点云数据进行平滑处理，可以消除噪声和减少误差。该滤波器可以用于点云重建、配准等应用场景。
重要参数：
search_radius：搜索半径，用于指定计算曲面时使用的邻域大小。
polynomial_order：拟合曲面的阶数，用于指定曲面模型的复杂度。
upsample_method：插值方法，用于指定插值时使用的方法，如基于距离加权的插值或基于最近邻的插值等。

Normal Space Sampling （法线空间采样滤波）
作用：在法向量空间中对点云数据进行采样，使采样点的分布更加均匀，可以用于点云重建、分割、配准等应用场景。
重要参数：
sample_ratio：采样比例，用于指定采样点的数量与原始点云数量的比例。
normal_radius：法向量计算时使用的邻域大小。
search_radius：搜索半径，用于确定法向量空间中采样点的邻域大小。

Radius Outlier Removal （半径离群点滤波）
作用：去除点云数据中的离群点，可以用于点云去噪、配准、分割等应用场景。
重要参数：
radius：搜索半径，用于判断点是否为离群点。在这个半径范围内没有足够的邻居点的点将被视为离群点。
min_neighbors_in_radius：最小邻居点数，用于指定每个点的最小邻居点数量。

SACSegmentation （基于采样一致性的分割滤波）
作用：使用随机采样的方法从点云数据中提取模型，可以用于目标检测、分割、重建等应用场景。
重要参数：
model_type：模型类型，如平面模型、圆柱模型、球模型等。
method_type：采样一致性算法类型，如RANSAC、MSAC等。
distance_threshold：距离阈值，用于判断点是否属于模型。在这个距离范围内的点将被视为模型内的点。
max_iterations：最大迭代次数，用于指定采样一致性算法的最大迭代次数。
eps_angle：角度阈值，用于指定平面模型和圆柱模型的法向量之间的最大角度差。

CropBox （裁剪滤波）
作用：根据用户指定的盒子范围，对点云数据进行裁剪，可以用于去除不感兴趣的区域或提取感兴趣的区域。
重要参数：
min_pt, max_pt：盒子的最小坐标和最大坐标。
negative：是否裁剪盒子内的点（false），还是保留盒子内的点（true）。

ExtractIndices （索引提取滤波）
作用：根据用户指定的盒子范围，对点云数据进行裁剪，可以用于去除不感兴趣的区域或提取感兴趣的区域。
重要参数：
min_pt, max_pt：盒子的最小坐标和最大坐标。
negative：是否裁剪盒子内的点（false），还是保留盒子内的点（true）。

MLS Upsampling （MLS上采样滤波）
作用：使用MLS（Moving Least Squares）方法对点云数据进行上采样，可以用于增加点云数据的密度、提高点云数据的精度。
重要参数：
search_radius：MLS方法中用于估计曲面的局部邻域大小。
sample_spacing：上采样后点云的采样间隔大小，用于控制上采样后点云的密度。

Bounding Box （轴对齐包围盒滤波）
作用：对点云数据进行轴对齐的包围盒计算，可以用于获取点云数据的尺寸、位置等信息。
重要参数：
min_pt, max_pt：包围盒的最小坐标和最大坐标。

Convex Hull （凸包滤波）
作用：对点云数据进行凸包计算，可以用于获取点云数据的形状信息。
重要参数：
dimension：凸包计算的维度，2D或3D。
alpha：用于控制凸包的平滑程度，值越大，凸包越平滑。

Moment of Inertia Estimation （惯性矩估计滤波）
作用：对点云数据进行惯性矩计算，可以用于获取点云数据的旋转不变性和形状信息。
重要参数：
kSearch：用于估计惯性矩的点云邻域大小。
compute_area：是否计算面积。
compute_convex_hull：是否计算凸包。
eigen_values：返回的惯性矩的特征值。

Convexity Estimation （凸度估计滤波）
作用：对点云数据进行凸度估计，可以用于获取点云数据的凸度信息。
重要参数：
kSearch：用于估计凸度的点云邻域大小。

Concave Hull （凹包滤波）
作用：对点云数据进行凹包计算，可以用于获取点云数据的形状信息。
重要参数：
alpha：用于控制凹包的平滑程度，值越大，凹包越平滑。

Difference of Normals Estimation （法线差分估计滤波）
作用：对点云数据进行法线差分计算，可以用于获取点云数据的表面变化信息。
重要参数：
kSearch：用于估计法线差分的点云邻域大小。
max_depth_change_factor：用于控制法线差分的深度变化因子。
normal_smoothing_size：用于平滑法线的点云邻域大小。

Gradient Estimation （梯度估计滤波）
作用：对点云数据进行梯度计算，可以用于获取点云数据的表面变化信息。
重要参数：
kSearch：用于估计梯度的点云邻域大小。

Intensity Gradient Estimation （强度梯度估计滤波）
作用：对点云数据进行强度梯度计算，可以用于获取点云数据的表面强度变化信息。
重要参数：
kSearch：用于估计强度梯度的点云邻域大小。

Intensity Spin Estimation （强度旋转估计滤波）
作用：对点云数据进行强度旋转计算，可以用于获取点云数据的表面强度变化信息。
重要参数：
kSearch：用于估计强度旋转的点云邻域大小。
radius：用于计算强度旋转的球体半径。

Eigen Value Estimation （特征值估计滤波）
作用：对点云数据进行特征值计算，可以用于获取点云数据的形状信息。
重要参数：
kSearch：用于估计特征值的点云邻域大小。

Fast Bilateral Filter （快速双边滤波）
作用：对点云数据进行快速双边滤波，可以用于去除点云数据中的噪声和平滑点云数据。
重要参数：
sigma_s：空间高斯滤波器的标准差。
sigma_r：范围高斯滤波器的标准差。

Conditional Removal （条件移除滤波）
作用：对点云数据进行条件移除操作，可以根据给定的条件移除点云数据中的部分点。
重要参数：
condition：移除条件，可以是点的坐标范围、法线方向等。
negative：是否保留满足条件的点，为true时保留不满足条件的点。

Filter （通用滤波器）
作用：对点云数据进行通用滤波操作，可以根据需求进行各种滤波操作。
重要参数：
filterFieldName：用于滤波的点云属性字段名。
filterLimitMin：滤波属性的最小值。
filterLimitMax：滤波属性的最大值。

Moving Least Squares （最小二乘移动平滑滤波）
作用：对点云数据进行平滑操作，并可以重构点云曲面。
重要参数：
searchRadius：用于平滑计算的搜索半径。
polynomialOrder：用于平滑计算的多项式阶数。
upsampleMethod：上采样方法，可以选择最近邻或距离加权。

Sample Consensus Initial Alignment （初始对准采样一致性滤波）
作用：对点云数据进行初始对准操作，可以将两个点云数据之间的相对姿态估计出来。
重要参数：
minSampleDistance：最小采样距离。
maxCorrespondenceDistance：最大对应距离。
maximumIterations：最大迭代次数。

Sample Consensus Prerejective （预重构采样一致性滤波）
作用：对于两个点云数据，通过预先重构（Reconstruction）来加速采样一致性（SAC）对准过程，即在重构空间中执行SAC对准操作，最后通过转换将结果映射回原始点云空间。
重要参数：
voxelSize：用于重构的体素大小。
sampleStep：用于重构的采样步长。
normalRadius：用于重构的法线估计半径。
maxCorrespondenceDistance：最大对应距离。
maximumIterations：最大迭代次数。

Approximate Voxel Grid （近似体素格滤波）
作用：对点云数据进行体素格下采样，可以降低点云数据的密度。
重要参数：
leafSize：用于体素格下采样的体素大小。

Grid Minimum Maximum （格子最小/大值滤波）
作用：对点云数据进行最小/大值滤波操作，可以通过一个格子内的点云最小/大值来更新格子内的所有点云属性值。
重要参数：
filterFieldName：用于滤波的点云属性字段名。
filterLimitMin：滤波属性的最小值。
filterLimitMax：滤波属性的最大值。
gridResolution：用于滤波的格子分辨率。

Convolution3D （三维卷积滤波）
作用：对点云数据进行三维卷积操作，可以平滑点云数据，减少噪声。
重要参数：
kernel_size：卷积核大小，决定了卷积的范围。
sigma：高斯卷积核的标准差。

Depth Dependent Smoothing （深度依赖平滑滤波）
作用：对点云数据进行深度依赖的平滑滤波操作，可以消除由于深度值变化造成的噪声。
重要参数：
kernel_size：卷积核大小，决定了卷积的范围。
max_depth_change_factor：允许的最大深度变化因子，用于判断两个点是否在同一个平面上。
smoothing_size：平滑窗口大小。

Octree Voxelization （八叉树体素化滤波）
作用：对点云数据进行深度依赖的平滑滤波操作，可以消除由于深度值变化造成的噪声。
重要参数：
kernel_size：卷积核大小，决定了卷积的范围。
max_depth_change_factor：允许的最大深度变化因子，用于判断两个点是否在同一个平面上。
smoothing_size：平滑窗口大小。

Principal Curvatures Estimation （主曲率估计滤波）
作用：对点云数据进行曲率估计，得到每个点的主曲率和法向量。
重要参数：
searchRadius：用于曲率估计的搜索半径。
numberOfSamples：每个点用于曲率估计的采样数量。

Ray Ground Remover （射线地面去除滤波）
作用：对点云数据进行地面去除，通过一些几何约束条件（如地面平面法向量应该接近竖直方向），将点云数据分为地面和非地面两部分。
重要参数：
radiusSearch：搜索半径。
maxAngle：平面法向量与竖直方向的最大夹角。

Estimation of Normals and Curvature Change （法线和曲率变化估计滤波）
作用：对点云数据进行法线估计和曲率变化估计。
重要参数：
searchRadius：用于法线估计和曲率变化估计的搜索半径。
kSearch：每个点用于法线估计和曲率变化估计的最近邻数量。

Project Points （点云投影滤波）
作用：将点云数据投影到指定平面上，常用于将三维点云数据投影到二维平面上进行处理。
重要参数：
setIndices：需要进行投影的点云的索引，如果未设置则投影所有点云。
setInputCloud：输入的点云数据。
setInputFields：输入的点云数据类型。
setModelType：投影平面的类型，可选为平面、圆、球等多种类型。
setModelCoefficients：投影平面的系数。
filter：进行点云投影。