PCL点云固定数量采样

在某些情况下,我们采样的时候可能需要固定数量的采样,未必是要均匀的采样。这个时候需要采用RandomSample的类来实现。

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

#include <pcl/filters/random_sample.h>

int
main (int argc, char** argv)
{
 pcl::PointCloud<pcl::PointXYZI>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZI>);
pcl::PointCloud<pcl::PointXYZI>::Ptr cloud_sample (new pcl::PointCloud<pcl::PointXYZI>);

  if (pcl::io::loadPCDFile<pcl::PointXYZI> ("/home/............/Marketplace_2D_I_downsampled.pcd", *cloud) == -1) //* 读入PCD格式的文件,如果文件不存在,返回-1
  {
    PCL_ERROR ("Couldn't read file\n");
    return (-1);
  }

pcl::RandomSample<pcl::PointXYZI> rs;
rs.setInputCloud(cloud);
    //设置输出点的数量   
rs.setSample(100);
 
    //下采样并输出到cloud_sample
rs.filter(*cloud_sample);

pcl::io::savePCDFileASCII ("/home/..........222.pcd", *cloud_sample);


return 0;

}

但是固定数量的采样可能会不均匀,但是如果要求不是很高,cloud_sample的采样数度很快,而且不需要再调整参数。

### PCL点云采样方法 #### 1. 算法原理 点云采样是一种减少点云数据量的技术,通常用于优化计算效率和存储需求。PCL库提供了多种降采样方法,其中最常用的是基于体素网格(Voxel Grid)的方法[^2]。 该方法通过将三维空间划分为固定大小的小立方体(即体素),并对每个体素内的进行简化操作来实现降采样。具体而言,在每个体素内保留一个代表性的(通常是中心或平均值),从而显著降低点云密度。 --- #### 2. 实现代码示例 以下是使用PCL库中的`pcl::VoxelGrid`类进行点云采样的完整代码示例: ```cpp #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/filters/voxel_grid.h> int main() { // 创建点云对象并加载PCD文件 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>); // 加载点云数据 if (pcl::io::loadPCDFile<pcl::PointXYZ>("input_cloud.pcd", *cloud) == -1) { //* load the file std::cerr << "无法打开文件 input_cloud.pcd" << std::endl; return (-1); } // 创建体素栅格滤波器对象 pcl::VoxelGrid<pcl::PointXYZ> voxel_filter; // 设置输入点云 voxel_filter.setInputCloud(cloud); // 设置体素尺寸(单位:米) float leaf_size = 0.01f; // 定义体素边长为1厘米 voxel_filter.setLeafSize(leaf_size, leaf_size, leaf_size); // 执行滤波操作并将结果保存到新的点云对象中 voxel_filter.filter(*cloud_filtered); // 输出原始点云和过滤后点云数 std::cout << "原始点云有:" << cloud->points.size() << "个." << std::endl; std::cout << "降采样后的点云有:" << cloud_filtered->points.size() << "个." << std::endl; // 将降采样后的点云保存到新文件 pcl::io::savePCDFileASCII("filtered_cloud.pcd", *cloud_filtered); std::cout << "已成功保存降采样后的点云至 filtered_cloud.pcd 文件!" << std::endl; return (0); } ``` 此代码实现了以下功能: - 使用`pcl::io::loadPCDFile`函数加载点云数据。 - 利用`pcl::VoxelGrid`类定义了一个体素栅格滤波器,并设置了体素大小参数。 - 调用了`filter()`函数执行降采样操作。 - 最终将降采样后的点云保存到了一个新的`.pcd`文件中。 --- #### 3. 效果分析 通过对点云应用体素栅格降采样技术,可以有效减少数量,同时保持整体几何结构不变。这种方法特别适用于大规模点云场景下的预处理阶段,能够提升后续算法运行速度和内存利用率[^1]。 ---
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
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