PCL双边滤波

1、BilteralFilter.cpp:

kdTree只能使用pcl/search/kdtree.h里的，pcl/kdtree/kdtree_flann.h里的在setSearchMethod()函数中会出现报错。

暂时没有强度数据模型，只是运行通过了，所以就没有做可视化这块。

[html] view
plain copy

 





#include <pcl/point_types.h>  

#include <pcl/io/pcd_io.h>  

#include <pcl/kdtree/kdtree_flann.h>  

#include <pcl/filters/bilateral.h>  

  

  

#include <pcl/kdtree/flann.h>  

#include <pcl/kdtree/kdtree.h>  

#include <pcl/search/flann_search.h>  

#include <pcl/search/kdtree.h>  

  

  

typedef pcl::PointXYZI PointT;  

  

  

int  

main(int argc, char*argv[])  

{  

    std::string incloudfile = argv[1];  

    std::string outcloudfile = argv[2];  

    float sigma_s = atof(argv[3]);  

    float sigma_r = atof(argv[4]);  

  

  

    // 读入点云文件  

    pcl::PointCloud<PointT>::Ptr cloud(new pcl::PointCloud<PointT>);  

    pcl::io::loadPCDFile(incloudfile.c_str(), *cloud);  

  

  

    pcl::PointCloud<PointT>outcloud;  

  

  

    // 建立kdtree  

    //pcl::KdTreeFLANN<PointT>::Ptr tree(new pcl::KdTreeFLANN<PointT>);  

    pcl::search::KdTree<PointT>::Ptr tree1(new pcl::search::KdTree<PointT>);  

    pcl::BilateralFilter<PointT> bf;  

    bf.setInputCloud(cloud);  

    bf.setSearchMethod(tree1);  

    bf.setHalfSize(sigma_s);  

    bf.setStdDev(sigma_r);  

    bf.filter(outcloud);  

  

  

    // 保存滤波输出点云文件  

    pcl::io::savePCDFile(outcloudfile.c_str(), outcloud);  

    return (0);  

}  

2、FastBilateralFilter.cpp

[html] view
plain copy

 





//点的类型的头文件    

#include <pcl/point_types.h>  //required  

//点云文件IO（pcd文件和ply文件）    

#include <pcl/io/pcd_io.h>  //required  

#include <pcl/io/ply_io.h>    

//kd树    

#include <pcl/kdtree/kdtree_flann.h>    

//特征提取    

#include <pcl/features/normal_3d_omp.h>    

#include <pcl/features/normal_3d.h>    

//重构    

#include <pcl/surface/gp3.h>    

#include <pcl/surface/poisson.h>    

//可视化    

#include <pcl/visualization/pcl_visualizer.h>   

#include <pcl/visualization/cloud_viewer.h>  

//多线程    

#include <boost/thread/thread.hpp>    

#include <fstream>    

#include <iostream>    

#include <stdio.h>    

#include <string.h>    

#include <string>    

//计时    

#include <time.h>   

//Bilateral Filter  

#include <pcl/filters/bilateral.h>//required  

#include <pcl/filters/fast_bilateral.h>  

#include <pcl/filters/fast_bilateral_omp.h>  

  

typedef pcl::PointXYZI PointT;  

  

float sigma_s;  

float sigma_r;  

  

int main(int argc, char** argv)  

{  

    // 确定文件格式    

    char tmpStr[100];  

    strcpy(tmpStr, argv[1]);  

    char* pext = strrchr(tmpStr, '.');  

    std::string extply("ply");  

    std::string extpcd("pcd");  

    if (pext){  

        *pext = '\0';  

        pext++;  

    }  

    std::string ext(pext);  

    //如果不支持文件格式，退出程序    

    if (!((ext == extply) || (ext == extpcd))){  

        std::cout << "文件格式不支持!" << std::endl;  

        std::cout << "支持文件格式：*.pcd和*.ply！" << std::endl;  

        return(-1);  

    }  

  

    //根据文件格式选择输入方式    

    pcl::PointCloud<pcl::PointXYZI>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZI>); //创建点云对象指针，用于存储输入    

    pcl::PointCloud<pcl::PointXYZI> outcloud;  

    //pcl::PCLPointCloud2::ConstPtr cloud;  

  

    if (ext == extply){  

        if (pcl::io::loadPLYFile(argv[1], *cloud) == -1){  

            PCL_ERROR("Could not read ply file!\n");  

            return -1;  

        }  

    }  

    else{  

        if (pcl::io::loadPCDFile(argv[1], *cloud) == -1){  

            PCL_ERROR("Could not read pcd file!\n");  

            return -1;  

        }  

    }  

    /////////////////////////////////////////////////////////////////////////////////////////////////////  

    //create a timer    

    clock_t start, end;  

  

      

  

    //(1）如果点云是有序的，通过 pcl: : Organ izedDatalnd ex 使用有序搜索方法 。  

    //(2 ） 如果点云是无序的，通过 pcl : : KdTreeFLANN 使用通用的 Kd 树  

    //有序点云  

    //Example:  

    //  cloud.width = 640; // Image-like organized structure, with 640 rows and 480 columns,  

    //  cloud.height = 480; // thus 640*480=307200 points total in the dataset  

    //无序点云  

    //Example:  

    //  cloud.width = 307200;  

    //  cloud.height = 1; // unorganized point cloud dataset with 307200 points  

  

  

  

    // 建立kdtree  

    pcl::KdTreeFLANN<pcl::PointXYZI>::Ptr tree(new pcl::KdTreeFLANN<pcl::PointXYZI>);  

  

    pcl::BilateralFilter<pcl::PointXYZI> bf;  

    bf.setInputCloud(cloud);  

    //bf.setSearchMethod(tree);  

    bf.setHalfSize(sigma_s);  

    bf.setStdDev(sigma_r);  

    bf.filter(outcloud);  

  

    // 保存滤波输出点云文件  

    //pcl::io::savePCDFile(outcloud, "outcloud");  

  

    /////////////////////////////////////////////////////////////////////////////////////////////////////  

    // Apply the filter  

    ////////////////  

    //pcl::FastBilateralFilterOMP<pcl::PointXYZ> fbf(10);//OpenMP Accelerator  

    ////////////////  

  

    //pcl::FastBilateralFilter<pcl::PointXYZ> fbf;  

    ////fbf.setInputCloud(cloud);  

    //fbf.setInputCloud(cloud);  

    //fbf.setSigmaS(5.0);//定义算法支持的滤波范围的大小  

    //fbf.setSigmaR(0.003);  

    //pcl::PointCloud<pcl::PointXYZ> cloud_filtered;  

  

    //start = clock();  

    ////fbf.filter(cloud_filtered);  

    //fbf.applyFilter(cloud_filtered);  

    //end = clock();  

  

    //std::cerr << "Start compute!" << std::endl;  

    //std::cerr << (end - start) / CLOCKS_PER_SEC << "s used!" << std::endl;  

  

    //// Convert data back  

    //pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_output;  

    ////toPCLPointCloud2(cloud_filtered, cloud_output);  

    //pcl::concatenateFields(*cloud, cloud_filtered, *cloud_output);  

    //pcl::copyPointCloud(*cloud_output, *cloud);  

  

    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("BilateralFilter"));  

    viewer->addPointCloud(outcloud, "cloud");  

  

    viewer->updateCamera();  

    viewer->updatePointCloud(cloud, "cloud");  

    viewer->initCameraParameters();  

  

    //viewer->spin();    

    while (!viewer->wasStopped()){  

        viewer->spinOnce(100);  

        boost::this_thread::sleep(boost::posix_time::microseconds(100000));  

    }  

  

    return 0;  

}  

转载：http://blog.csdn.net/sinat_24206709/article/details/51956301