标签：采样 pcl viewer ApproximateVoxelGrid PCL 点云 体素
文章目录
目前，网上对PCL中的ApproximateVoxelGrid下采样方法绝大多数描述为 “体素中心下采样”
事实并非如此!!！
1 原理
ApproximateVoxelGrid近似体素滤波企图以 更快的速度 实现与VoxelGrid 体素滤波相同的下采样，它通过 散列函数（Hashing Function）快速逼近质心，而不是精细确定质心并对点云进行下采样。采样结果是近似逼近的体素质心，并不是体素中心。
2 代码实现
代码：
#include <pcl/io/pcd_io.h>
#include <pcl/filters/approximate_voxel_grid.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/console/time.h>
using namespace std;
int main()
{
//--------------------------------- 加载点云 ---------------------------------
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); //待滤波点云
if (pcl::io::loadPCDFile("happy buddha.pcd", *cloud) < 0)
{
PCL_ERROR("\a点云文件不存在！\n");
system("pause");
return -1;
}
cout << "->加载点云的点数为：" << cloud->points.size() << endl;
//============================================================================
//----------------------------- 近似体素重心下采样 -----------------------------
pcl::console::TicToc time;
time.tic();
cout << "->正在进行近似体素重心下采样..." << endl;
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_sub(new pcl::PointCloud<pcl::PointXYZ>); //滤波后点云
pcl::ApproximateVoxelGrid<pcl::PointXYZ> avg; //创建滤波器对象
avg.setInputCloud(cloud); //设置待滤波点云
avg.setLeafSize(0.002, 0.002, 0.002); //设置体素边长
avg.setDownsampleAllData(false); //如果只有XYZ字段，则设置为false，如果对所有字段，如intensity，都进行下采样，则设置为true
avg.filter(*cloud_sub); //执行下采样，保存结果于cloud_sub
cout << "->近似体素下采样用时：" << time.toc() / 1000 << " s" << endl;
//============================================================================
//------------------------------- 保存滤波点云 --------------------------------
cout << "->正在保存滤波点云..." << endl;
if (!cloud_sub->empty())
{
pcl::io::savePCDFileBinary("ApproximateVoxelGrid.pcd", *cloud_sub);
cout << "->下采样点云的点数为" << cloud_sub->points.size() << endl;
}
else
{
PCL_ERROR("\a下采样点云为空！\n");
system("pause");
return -1;
}
//============================================================================
//------------------------- 下采样前后对比可视化（选） --------------------------
pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("下采样前后对比"));
///原始点云
int v1(0);
viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1); //设置第一个视口在X轴、Y轴的最小值、最大值，取值在0-1之间
viewer->setBackgroundColor(0, 0, 0, v1); //设置背景颜色，0-1，默认黑色（0，0，0）
viewer->addText("original_Pt", 10, 10, "v1_text", v1);
viewer->addPointCloud<pcl::PointXYZ>(cloud, "original", v1);
///半径滤波后点云
int v2(0);
viewer->createViewPort(0.5, 0.0, 1.0, 1.0, v2);
viewer->setBackgroundColor(0.3, 0.3, 0.3, v2);
viewer->addText("filtered_Pt", 10, 10, "v2_text", v2);
viewer->addPointCloud<pcl::PointXYZ>(cloud_sub, "sub", v2);
///设置相关属性
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original", v1);
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1, 0, 0, "original", v1);
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "sub", v2);
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0, 1, 0, "sub", v2);
while (!viewer->wasStopped())
{
viewer->spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(100000));
}
//============================================================================
return 0;
}
输出结果：
->加载点云的点数为：543652
->正在进行近似体素重心下采样...
->近似体素下采样用时：0.916 s
->正在保存滤波点云...
->下采样点云的点数为54889
体素下采样输出结果：
->加载了 543652 个数据点
->正在进行体素下采样...
->体素下采样用时：2.915 s
->下采样点云的点数为：18072
对比发现，同一规格体素下，近似体素下采样 比 体素下采样 获取的下采样点数多，且耗时短。
3 对比结果展示
从左向右以此为原始点云、近似体素下采样点云、体素下采样点云。
相关链接：
[1] A Comparative Study of Filtering Methods for Point Clouds in Real-Time Video Streaming
https://pointclouds.org/documentation/classpcl_1_1_approximate_voxel_grid.html
标签：采样,pcl,viewer,ApproximateVoxelGrid,PCL,点云,体素 来源： https://blog.csdn.net/weixin_46098577/article/details/120469257
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。