用pcl库过滤立体矩形点云

要使用 PCL 库过滤立体矩形点云，可以按照以下步骤进行：

1. 定义立体矩形的边界范围，可以使用 `pcl::CropBox` 进行裁剪，只保留立体矩形内的点云数据。

2. 在裁剪出立体矩形点云后，可以使用 `pcl::PassThrough` 对点云进行范围过滤，去掉与立体矩形不相交的点云数据。

3. 最后可以使用 `pcl::StatisticalOutlierRemoval` 对点云进行离群点过滤，去除噪声点等异常值。

下面是一个示例代码：

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/filters/crop_box.h>
#include <pcl/filters/passthrough.h>
#include <pcl/filters/statistical_outlier_removal.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);

    // 定义立体矩形的边界范围
    pcl::CropBox<pcl::PointXYZ> cropBox;
    cropBox.setInputCloud(cloud);
    cropBox.setMin(Eigen::Vector4f(min_x, min_y, min_z, 1.0));
    cropBox.setMax(Eigen::Vector4f(max_x, max_y, max_z, 1.0));
    pcl::PointCloud<pcl::PointXYZ>::Ptr croppedCloud(new pcl::PointCloud<pcl::PointXYZ>);
    cropBox.filter(*croppedCloud);

    // 范围过滤
    pcl::PassThrough<pcl::PointXYZ> pass;
    pass.setInputCloud(croppedCloud);
    pass.setFilterFieldName("z");
    pass.setFilterLimits(min_z, max_z);
    pcl::PointCloud<pcl::PointXYZ>::Ptr filteredCloud(new pcl::PointCloud<pcl::PointXYZ>);
    pass.filter(*filteredCloud);

    // 离群点过滤
    pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;
    sor.setInputCloud(filteredCloud);
    sor.setMeanK(50);
    sor.setStddevMulThresh(1.0);
    pcl::PointCloud<pcl::PointXYZ>::Ptr finalCloud(new pcl::PointCloud<pcl::PointXYZ>);
    sor.filter(*finalCloud);

    // 保存结果
    pcl::io::savePCDFileASCII("output.pcd", *finalCloud);

    std::cout << "Filtered point cloud saved." << std::endl;

    return 0;
}

其中，`min_x`、`min_y`、`min_z`、`max_x`、`max_y`、`max_z` 分别表示立体矩形在三个方向上的最小和最大边界值。`setFilterFieldName` 可以指定需要过滤的维度，在本例中选择了 `z` 方向。`setFilterLimits` 则是设置过滤的范围，超出该范围的点云将被去除。在 `StatisticalOutlierRemoval` 中，`setMeanK` 是指定用于计算平均值和标准差的点云数量，`setStddevMulThresh` 则是指定阈值，用于判断哪些点云被认为是离群点。