Point cloud pre-process for PointNetGPD & Kinect v2

基于ROS框架，主要是为了配套PointNetGPD使用的，不过也可以略加修改，变成通用的代码。

• 通过Kinect v2 读取桌面物体的场景点云，并进行系列预处理，保留感兴趣区域点云，支持：

  • 相机坐标系三轴方向直通滤波
  • 剔除支撑桌面
  • 剔除离群点
  • 点云降采样
  • 点云光滑处理

• 通过ROS_tf读取某桌面标签二维码坐标系(目标标签名称为"ar_marker_6")与相机坐标系"kinect2_rgb_optical_frame"之间的坐标关系，从而将感兴趣区域点云转换到桌面标签坐标系中；

• 将预处理后的点云（父坐标系为桌面标签“ar_marker_6”坐标系）以ROS话题形式发布出去，话题名称：

  /table_top_points       #仅滤波剔除桌面等预处理后的点云
  /table_top_points_subsampled      #预处理+降采样
  

1. 已经提前安装了ROS并创建了工作空间；

2. 确保已经安装了Kinect深度相机驱动（我们版本是Ubuntu18.04LTS，以及Kinect V2相机）以及相关ROS程序包，并进行了相机内参标定。

   • 先安装Kinect驱动，参见https://github.com/OpenKinect/libfreenect2
   • 再安装Kinect的ROS程序包，参见https://github.com/code-iai/iai_kinect2
   • Kinect标定，参见https://github.com/code-iai/iai_kinect2/tree/master/kinect2_calibration#calibrating-the-kinect-one

3. 安装了ar_track_alvar程序包

   sudo apt-get install ros-<ros_distro>-ar-track-alvar
   

4. 确保桌面贴有由ar_track_alvar生成的二维码标签并处于深度相机视野范围内，代码中使用的标签编号为6，尺寸10cm*10cm；或直接下载下图

   rosrun ar_track_alvar createMarker -f 6 -s 10.0

   

1. 克隆到自己的ros工作空间中

   cd ~/catkin_ws/src
   git clone https://github.com/Hymwgk/point_cloud_process.git
   catkin build

2. 运行本代码之前必须已经提前运行了Kinect v2相机 ，并发布了相应话题：

   roslaunch kinect2_bridge kinect2_bridge.launch publish_tf:=true

3. 开始处理桌面点云：

   roslaunch point_cloud_process get_table_top_points.launch 

4. 启动rviz 对点云进行观察

   rviz

   

5. 修改预处理参数配置文本 config/prepocess_prarm.txt

   该文件指定了与处理过程中的各项参数，程序将在处理每一帧点云之前先读取该文本参数，因此可以直接修改，实时观察预处理点云的变化。

   pass_through_x=1    设置是否允许相机坐标系x轴方向点云直通滤波
   pass_through_y=1    y轴直通滤波
   pass_through_z=1    z轴直通滤波
   table_remove=1         是否允许剔除支撑桌面
   outlier_remove=1      是否允许剔除离群点   
   surface_smooth=0      是否允许表面平滑
   subsample=0                是否允许降采样
   z_min= 0.3                     设置z轴方向直通滤波的远近距离
   z_max=0.9                      
   x_left= -0.4                    设置x轴方向直通滤波的左右距离
   x_right= 0.3                  
   y_up= -0.25                 设置y轴方向直通滤波的上下距离
   y_down= 0.2             
   remain_rate=0.4             桌面剔除率
   remain_points=500       桌面剩余最少点数
   k_points= 50                   用于剔除离群点
   thresh=0.9                        用于剔除离群点
   radius= 0.03                   用于剔除离群点
   subsampling_leaf_size=0.004              设置降采样voxel尺寸