PCL小工具四:pcd格式点云体素滤波(详细注释)

该代码示例展示了如何利用PCL库对大型点云数据进行体素滤波,以减小数据量并提高处理效率。通过创建pcl::VoxelGrid滤波器对象,设置滤波器的体素大小为10cm,并应用到点云数据上,最终将过滤后的点云保存到新的PCD文件中。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

有些点云比较大,需要进行体素滤波后才方便使用,这里收录了一个实现方法

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>

int main (int argc, char** argv)
{
  pcl::PCLPointCloud2::Ptr
  cloud(new pcl::PCLPointCloud2());
  pcl::PCLPointCloud2::Ptr
  cloud_filtered(new pcl::PCLPointCloud2());
  // 填入点云数据
  pcl::PCDReader reader; //点云读取对象
  // 把路径改为自己存放文件的路径,或者将该文件与生成的可执行文件放在同一目录下
  //  reader.read ("/media/jy/新加卷/pointlines数据集/00final.pcd", *cloud); // 读取点云文件中的数据到cloud对象
  reader.read ("/home/jy/Desktop/2011_09_30/2011_09_30_drive_0027_sync/velodyne_points/out.pcd", *cloud); // 读取点云文件中的数据到cloud对象
  std::cerr << "PointCloud before filtering: " << cloud->width * cloud->height  << " data points (" << pcl::getFieldsList(*cloud) << ")." <<std::endl;

  pcl::VoxelGrid<pcl::PCLPointCloud2> sor;   // 创建滤波器对象
  sor.setInputCloud (cloud);   //给滤波器对象设置需要过滤的点云
  sor.setLeafSize (0.10f, 0.10f, 0.10f); //设置滤波时创建的体素大小为10cm立方体
  sor.filter (*cloud_filtered); //执行滤波处理
  std::cerr << "PointCloud after filtering: " << cloud_filtered->width * cloud_filtered->height << " data points (" << pcl::getFieldsList (*cloud_filtered) << ")."; 
 //将数据写入磁盘

  pcl::PCDWriter writer;

  // writer.write ("/home/jy/Desktop/pcd2txt/build/00_flitered_010.pcd", *cloud_filtered, Eigen::Vector4f::Zero (), Eigen::Quaternionf::Identity (), false);
  writer.write ("/home/jy/Desktop/2011_09_30/2011_09_30_drive_0027_sync/velodyne_points/out_fliter.pcd", *cloud_filtered, Eigen::Vector4f::Zero (), Eigen::Quaternionf::Identity (), false);
  return (0);

}

CMakeLists.txt

cmake_minimum_required(VERSION 2.8)

set(CMAKE_BUILD_TYPE "Release")
# 添加c++ 11标准支持
set(CMAKE_CXX_FLAGS "-std=c++11 -O2")

# Eigen
include_directories("/usr/include/eigen3")

find_package(PCL REQUIRED)
include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})


add_executable (voexlfliter src/voxelfliter.cpp) #注意这里不能替换
target_link_libraries(voexlfliter ${PCL_LIBRARIES})


这个代码在网上还是可以找到挺多资源的,不再赘述,有问题可留言
溜~

好的,这里是代码: ```cpp #include <iostream> #include <pcl/point_types.h> #include <pcl/filters/extract_indices.h> #include <pcl/filters/voxel_grid.h> #include <pcl/io/pcd_io.h> #include <pcl/visualization/pcl_visualizer.h> int main(int argc, char **argv) { // 读取点云数据 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); pcl::PCDReader reader; reader.read("D:\\wodedm\\py_pcd\\volex_grid\\copy_of_fragment_vxsj.pcd", *cloud); // 执行滤波 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_downsampled(new pcl::PointCloud<pcl::PointXYZ>); pcl::VoxelGrid<pcl::PointXYZ> voxel_grid_filter; voxel_grid_filter.setInputCloud(cloud); voxel_grid_filter.setLeafSize(0.01f, 0.01f, 0.01f); voxel_grid_filter.filter(*cloud_downsampled); // 执行边界提取 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_boundary(new pcl::PointCloud<pcl::PointXYZ>); pcl::ExtractIndices<pcl::PointXYZ> extract_boundary; pcl::PointIndices::Ptr boundary_indices(new pcl::PointIndices); extract_boundary.setInputCloud(cloud_downsampled); extract_boundary.setNegative(false); extract_boundary.setRadiusSearch(0.05); extract_boundary.filter(*boundary_indices); extract_boundary.setIndices(boundary_indices); extract_boundary.filter(*cloud_boundary); // 可视化边界提取结果 pcl::visualization::PCLVisualizer viewer("Boundary Extraction"); viewer.addPointCloud<pcl::PointXYZ>(cloud_downsampled, "cloud"); viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "cloud"); viewer.addPointCloud<pcl::PointXYZ>(cloud_boundary, "boundary"); viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1, 0, 0, "boundary"); viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "boundary"); viewer.spin(); // 重边界合并 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_boundary_merged(new pcl::PointCloud<pcl::PointXYZ>); pcl::VoxelGrid<pcl::PointXYZ> voxel_grid_filter2; voxel_grid_filter2.setInputCloud(cloud_boundary); voxel_grid_filter2.setLeafSize(0.01f, 0.01f, 0.01f); voxel_grid_filter2.filter(*cloud_boundary_merged); // 储存重边界点云数据 pcl::PCDWriter writer; writer.writeBinary("boundary_merged.pcd", *cloud_boundary_merged); return 0; } ``` 注:代码中使用了滤波来减少点云数据量,加速边界提取和重边界合并的过程。如果需要更精细的结果,可以将大小调小或者直接注释滤波部分。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

山楂没我渣

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值