1 算法原理
2 代码实现
2.1 提取滤波后点云和噪声点云
2.2 优化后的代码
直通滤波（AABB包围盒法）
1 算法原理
2 AABB法直通滤波
2.1 X轴方向的直通滤波
2.2 Y轴方向的直通滤波
2.3 Z轴方向的直通滤波
2.4 函数封装 pass_through_by_AABB(cloud, min_val, max_val, filter_axis)
参考文献
1 算法原理
点云直通滤波（PassThrough Filter）是一种简单的点云处理方法，主要用于过滤掉点云中不需要的点，保留需要的点，实现简单、高效。
该滤波器操作的基本思想是将点云中的某一维度的值限制在一个范围内，例如只保留点云中位于某一高度范围内的点。具体步骤如下：
选择需要保留的维度（通常是x、y、z坐标）。
设定保留的范围（一般为一个数值范围），如只保留z坐标在0-2米的点。
遍历点云，将超出保留范围的点删除。
下面是点云直通滤波的一些示例应用：
保留一定范围内的点云数据，如室内地面或天花板。
剔除由于传感器本身等原因产生的异常值，如激光雷达垂直方向上的异常点。
根据航拍数据的高度，划定地面和建筑物的分界线，以便进行后续处理。
总之，点云直通滤波可以帮助我们更加高效地处理点云数据，提高处理效率和准确度。
2 代码实现
2.1 提取滤波后点云和噪声点云
代码示例：
import numpy as np import open3d as o3d def pass_through(cloud, min_val, max_val, filter_axis="x", invert=False): """ @直通滤波 @param[I]: cloud:输入点云 @param[I]: min_val: 滤波轴向最小值 @param[I]: max_val: 滤波轴向最大值 @param[I]: filter_axis: 滤波轴{x | y | z}, default:x @param[I]: invert, 是否取反, 默认Flase, 提取ind索引对应的点云; True, 提取ind索引之外的点云 @return: filter_cloud, 滤波后的点云 """ points = np.asarray(cloud.points) if filter_axis == "x": ind = np.where((points[:, 0] >= min_val) & (points[:, 0] <= max_val))[0] filter_cloud = pcd.select_by_index(ind, invert) return filter_cloud elif filter_axis == "y": ind = np.where((points[:, 1] >= min_val) & (points[:, 1] <= max_val))[0] filter_cloud = cloud.select_by_index(ind, invert) return filter_cloud elif filter_axis == "z": ind = np.where((points[:, 2] >= min_val) & (points[:, 2] <= max_val))[0] filter_cloud = pcd.select_by_index(ind, invert) return filter_cloud # False的时候是取内,表示保存的是内部的点。 else: print("\a参数错误!") return o3d.geometry.PointCloud() if __name__ == "__main__": # 加载点云数据 pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\data_1\0000000015.pcd") # 滤波后的点云 filter_cloud = pass_through(pcd, min_val=0.5, max_val=3.3, filter_axis="x") # 噪声点云 filter_cloud_noise = pass_through(pcd, min_val=0.5, max_val=3.3, filter_axis="x", invert=True) # 滤波点云赋色(蓝) filter_cloud .paint_uniform_color([0, 0, 1]) # 噪声点云赋色(红) filter_cloud_noise.paint_uniform_color([1,0.4,0.4]) # 可视化结果 o3d.visualization.draw_geometries([filter_cloud,filter_cloud_noise])2.2 优化后的代码
以下是优化后的代码，主要使用了三元表达式简化了代码：
import numpy as np import open3d as o3d def pass_through(cloud, min_val, max_val, filter_axis="x", invert=False): """ @直通滤波 @param[I]: cloud:输入点云 @param[I]: min_val: 滤波轴向最小值 @param[I]: max_val: 滤波轴向最大值 @param[I]: filter_axis: 滤波轴{x | y | z}, default:x @param[I]: invert, 是否取反, 默认Flase, 提取ind索引对应的点云; True, 提取ind索引之外的点云 @return: filter_cloud, 滤波后的点云 """ points = np.asarray(cloud.points) ind = np.where((points[:, ["x", "y", "z"].index(filter_axis)] >= min_val) & (points[:, ["x", "y", "z"].index(filter_axis)] <= max_val))[0] return cloud.select_by_index(ind,invert) if __name__ == "__main__": # 加载点云数据 pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\feiji.pcd") # 滤波后的点云 filter_cloud = pass_through(pcd, min_val=0.0, max_val=13.3, filter_axis="x") # 噪声点云 filter_cloud_noise = pass_through(pcd, min_val=0.0, max_val=13.3, filter_axis="x", invert=True) # 滤波点云赋色(蓝) filter_cloud .paint_uniform_color([0, 0, 1]) # 噪声点云赋色(红) filter_cloud_noise.paint_uniform_color([1,0.4,0.4]) # 可视化结果 o3d.visualization.draw_geometries([filter_cloud,filter_cloud_noise], window_name="优化后的直通滤波")直通滤波（AABB包围盒法）
1 算法原理
点云直通滤波（PassThrough Filter）是一种简单的点云处理方法，主要用于过滤掉点云中不需要的点，保留需要的点，实现简单、高效。
该滤波器操作的基本思想是将点云中的某一维度的值限制在一个范围内，例如只保留点云中位于某一高度范围内的点。具体步骤如下：
选择需要保留的维度（通常是x、y、z坐标）。
设定保留的范围（一般为一个数值范围），如只保留z坐标在0-2米的点。
遍历点云，将超出保留范围的点删除。
下面是点云直通滤波的一些示例应用：
保留一定范围内的点云数据，如室内地面或天花板。
剔除由于传感器本身等原因产生的异常值，如激光雷达垂直方向上的异常点。
根据航拍数据的高度，划定地面和建筑物的分界线，以便进行后续处理。
总之，点云直通滤波可以帮助我们更加高效地处理点云数据，提高处理效率和准确度。
2 AABB法直通滤波
AABB法直通滤波，是指使用AABB包围盒进行点云直通滤波。
可以根据实际需求，自定义包围盒最小顶点min_bound和最大顶点max_bound，设置某一维度坐标边界值，其他维度设置为无穷远。使用点云裁剪函数crop()，保留AABB包围盒范围内的点云，实现直通滤波。
最小顶点min_bound和最大顶点max_bound具体设置如下：
x 轴方向的直通滤波：
min_bound = [x_min, -np.inf, -np.inf] max_bound = [x_max, np.inf, np.inf]
y 轴方向的直通滤波：
min_bound = [-np.inf, y_min, -np.inf] max_bound = [np.inf, y_max, np.inf]z 轴方向的直通滤波：
min_bound = [-np.inf, -np.inf, z_min] max_bound = [np.inf, np.inf, z_max]多个轴向的直通滤波
min_bound = [x_min, y_min, z_min] max_bound = [x_max, y_max, z_max]
2.1 X轴方向的直通滤波
import open3d as o3d import numpy as np # 创建点云数据 pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\feiji.pcd") pcd.paint_uniform_color([1,0.4,0.4]) # 定义过滤范围，例如使用x轴的过滤范围 x_min = 0.0 x_max = 12.3 min_bound = [x_min, -np.inf, -np.inf] max_bound = [x_max, np.inf, np.inf] # 创建滤波器 filter_cloud = pcd.crop(o3d.geometry.AxisAlignedBoundingBox(min_bound, max_bound)) filter_cloud .paint_uniform_color([0, 0, 1]) # 可视化结果 o3d.visualization.draw_geometries([filter_cloud ,pcd])2.2 Y轴方向的直通滤波
import open3d as o3d import numpy as np # 创建点云数据 pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\feiji.pcd") pcd.paint_uniform_color([1,0.4,0.4]) # 定义过滤范围，例如使用y轴的过滤范围 y_min = 0.0 y_max = 12.3 min_bound = [-np.inf, y_min, -np.inf] max_bound = [np.inf, y_max, np.inf] # 创建滤波器 filter_cloud = pcd.crop(o3d.geometry.AxisAlignedBoundingBox(min_bound, max_bound)) filter_cloud .paint_uniform_color([0, 0, 1]) # 可视化结果 o3d.visualization.draw_geometries([filter_cloud ,pcd])2.3 Z轴方向的直通滤波
import open3d as o3d import numpy as np # 创建点云数据 pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\feiji.pcd") pcd.paint_uniform_color([1,0.4,0.4]) # 定义过滤范围，例如使用z轴的过滤范围 z_min = 0.0 z_max = 3.0 min_bound = [-np.inf, -np.inf, z_min] max_bound = [np.inf, np.inf, z_max] # 创建滤波器 filter_cloud = pcd.crop(o3d.geometry.AxisAlignedBoundingBox(min_bound, max_bound)) filter_cloud .paint_uniform_color([0, 0, 1]) # 可视化结果 o3d.visualization.draw_geometries([filter_cloud ,pcd])2.4 函数封装 pass_through_by_AABB(cloud, min_val, max_val, filter_axis)
import open3d as o3d import numpy as np def pass_through_by_AABB(cloud, min_val, max_val, filter_axis = "x"): """ @describe: AABB法直通滤波 @param[I]: cloud, 待滤波点云 @param[I]: min_val, 最小坐标值 @param[I]: max_val, 最大坐标值 @param[I]: filter_axis, 滤波轴向{x | y | z}, default:x @return: filter_cloud: 滤波后点云 """ if filter_axis == "x": # 最大最小顶点 min_bound = [min_val, -np.inf, -np.inf] max_bound = [max_val, np.inf, np.inf] # 创建滤波器 filter_cloud = cloud.crop(o3d.geometry.AxisAlignedBoundingBox(min_bound, max_bound)) return filter_cloud elif filter_axis == "y": # 最大最小顶点 min_bound = [-np.inf, min_val, -np.inf] max_bound = [np.inf, max_val, np.inf] # 创建滤波器 filter_cloud = cloud.crop(o3d.geometry.AxisAlignedBoundingBox(min_bound, max_bound)) return filter_cloud elif filter_axis == "z": # 最大最小顶点 min_bound = [-np.inf, -np.inf, min_val] max_bound = [np.inf, np.inf, max_val] # 创建滤波器 filter_cloud = cloud.crop(o3d.geometry.AxisAlignedBoundingBox(min_bound, max_bound)) return filter_cloud else: print("\a参数错误!") return o3d.geometry.PointCloud() if __name__ == "__main__": # 加载点云数据 pcd = o3d.io.read_point_cloud(r"H:\HTempWK\temp\open3d\pointdata\feiji.pcd") # 原始点云赋色（橘红） pcd.paint_uniform_color([1,0.4,0.4]) # AABB法直通滤波（x轴） # 完整写法 filter_cloud = pass_through_by_AABB(pcd, 0.0, 3.3, "x") # 省略轴向，则默认为x轴方向直通滤波 # filter_cloud = pass_through_by_AABB(pcd, 0.5, 1.3) # 滤波点云赋色（蓝） filter_cloud.paint_uniform_color([0,0,1]) # 可视化结果 o3d.visualization.draw_geometries([filter_cloud,pcd])参考文献
https://sunwukong.blog.csdn.net/article/details/131605765
https://sunwukong.blog.csdn.net/article/details/131563115
)
