python-pcl，点云滤波，平面分割

用python-pcl对得到的点云数据进行滤波，平面分割等
github地址　　https://github.com/strawlab/python-pcl　　example里面有许多例子可以参考
１．得到的点云数据为list类型，首先进行数据类型的转换，然后体素滤波，对数据进行下采样，减少数据量

p = pcl.PointCloud(np.array(data, dtype=np.float32))　＃　类型的转换
filter_vox = p.make_voxel_grid_filter()   # 体素滤波器
filter_vox.set_leaf_size(0.005, 0.005, 0.005)　　＃　体素的大小，米
cloud_filtered = filter_vox.filter()　 # 滤波，得到的数据类型为点云

２．平面分割，为github上的例子

seg = cloud_filtered.make_segmenter_normals(ksearch=50)   # 平面分割
seg.set_optimize_coefficients(True)
seg.set_model_type(pcl.SACMODEL_NORMAL_PLANE)
seg.set_method_type(pcl.SAC_RANSAC)
seg.set_distance_threshold(0.01)
seg.set_normal_distance_weight(0.01)
seg.set_max_iterations(100)
indices, coefficients = seg.segment()

具体的参数设置没有研究，但是相对于下面这个代码，上面的这个分割程序结果更好些

seg = cloud_filtered.make_segmenter()
seg.set_optimize_coefficients(True)
seg.set_model_type(pcl.SACMODEL_PLANE)
seg.set_method_type(pcl.SAC_RANSAC)
seg.set_distance_threshold(0.005)
indices, coefficients  = seg.segment()

coefficients 是得到的平面ax + by +cz +d = 0的参数
coefficients[0]，coefficients[１]，coefficients[２]，coefficients[３]

indices是得到的平面点云的索引

for i in range(len(indices)):
     print(str(indices[i]) + ', x: ' + str(cloud_filtered[indices[i]][0]) + ', y : ' +str(cloud_filtered[indices[i]][1]) + ', z : ' + str(cloud_filtered[indices[i]][2]))

３．将分割得到的平面的点去除

q = cloud_filtered.extract(indices, True)

４．去除平面点后还有一些离群点，用离群点滤波器进行再次滤波

filter_stat = cloud_filtered_outdices.make_statistical_outlier_filter()
filter_stat.set_mean_k(50)
filter_stat.set_std_dev_mul_thresh(1.0)
p = filter_stat.filter()