pcl c++ 计算点云法向量 并去除无效法向量

计算点云法向量可以使用PCL库中的NormalEstimation类。

首先，需要对点云进行下采样，以减少计算量和噪声对法向量的影响。可以使用VoxelGrid滤波器实现。

然后，需要创建一个NormalEstimation对象，并将下采样后的点云数据传递给它。接着，可以设置法线估计方法的搜索半径，并调用compute()方法来计算法向量。

最后，可以使用PassThrough滤波器过滤掉无效法向量。例如，可以通过设置法向量中的z值是否为nan来实现。

下面是一段示例代码：

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/features/normal_3d.h>
#include <pcl/filters/passthrough.h>

int main (int argc, char** argv)
{
  // 加载点云数据
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
  pcl::io::loadPCDFile<pcl::PointXYZ> ("input.pcd", *cloud);

  // 下采样
  pcl::VoxelGrid<pcl::PointXYZ> sor;
  sor.setInputCloud (cloud);
  sor.setLeafSize (0.01f, 0.01f, 0.01f);
  sor.filter (*cloud);

  // 计算法向量
  pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
  ne.setInputCloud (cloud);
  pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>);
  ne.setSearchMethod (tree);
  pcl::PointCloud<pcl::Normal>::Ptr cloud_normals (new pcl::PointCloud<pcl::Normal>);
  ne.setRadiusSearch (0.03);
  ne.compute (*cloud_normals);

  // 过滤无效法向量
  pcl::PassThrough<pcl::Normal> pass;
  pass.setInputCloud (cloud_normals);
  pass.setFilterFieldName ("normal_z");
  pass.setFilterLimits (-1.0, 1.0);
  pcl::PointCloud<pcl::Normal>::Ptr cloud_normals_filtered (new pcl::PointCloud<pcl::Normal>);
  pass.filter (*cloud_normals_filtered);

  // 输出结果
  pcl::io::savePCDFileASCII ("output.pcd", *cloud_normals_filtered);

  return 0;
}

其中，setRadiusSearch()方法用于设置搜索半径。这个半径越大，计算出的法向量越平滑；反之，则越精细。

PassThrough滤波器的setFilterFieldName()方法用于设置过滤字段，这里设置为normal_z，表示对法向量中的z值进行过滤。setFilterLimits()方法用于设置过滤范围，这里设置为(-1.0, 1.0)，表示只保留z值在这个范围内的法向量。