PCL 提取两片点云的重叠部分并保存【2024最新版】

已于 2024-12-15 12:42:23 修改
阅读量10w+ 收藏 37
点赞数 1
分类专栏： PCL学习 文章标签： c++ 开发语言 算法 矩阵 3d
于 2021-02-27 13:27:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_36686437/article/details/114171376
版权
PCL学习 专栏收录该内容
263 篇文章 ¥19.90 ¥99.00
订阅专栏
本文介绍了如何使用PCL库中的correspondences类来找到两片点云之间的对应点对，并详细解释了query和match成员在点云配对中的作用。接着，通过代码展示了点云配对的具体实现过程，最后呈现了提取重叠部分后的结果。

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

目录

在这里插入图片描述

本文由优快云点云侠原创，博客长期更新，本文最近一次更新时间为：2024年12月15日，代码更新至PCL1.14.1版本。

一、 原理

pcl::correspondences类里面有query和match两个成员，分别是source和target点云上对应点对的索引。可以通过source[query]来访问source中的对应点；source[query].x,source[query].y,source[query].z来访问匹配点对中source对应点的x,y,z坐标。

二、 代码实现

#include<pcl/io/pcd_io.h>
了解本专栏 订阅专栏 解锁全文
CloudCompare 二次开发(8)——提取点云的重叠区域
点云侠的博客
05-08 1246
使用CloudCompare与PCL联合编程实现两期点云数据重叠区域的获取
PCL :实现 提取两片点云的重叠部分并保存（附完整源码）
希望我的博客，能帮上你解决学习中工作中所遇到的问题
09-24 331
PCL :实现 提取两片点云的重叠部分并保存（附完整源码）
提取两个点云的重叠区域和非重叠区域
带你成为别人眼中的大佬！
04-01 900
在Open3D库中，可以使用estimate_normals方法为每个点云计算法线向量，并使用registration_icp方法对两个点云进行ICP配准。在进行点云配准时，很多情况下需要提取两个点云的重叠区域和非重叠区域。我们可以使用cropped_point_indices方法获取裁剪后的点云的点索引，然后使用select_by_index方法选择非重叠区域中的点云。完成配准后，我们可以使用Open3D库提供的crop_point_cloud方法将每个点云分别裁剪为重叠区域和非重叠区域。
两个点云的重叠部分查找（附open3d python 代码）
三维点云技术探索
07-28 1370
把两个点云变成2个集合set 数据类型，然后求集合的交集就行了，交集就是重叠点，非交集部分就是非重叠点。： 它计算源点云中的每个点到目标点云中最近点的距离。距离近的点就是重叠点，距离远的点就是非重叠点。
寻找两个点云重叠部分
xinxiangwangzhi_的博客
01-16 9320
目录方法1：方法1实验效果：方法2：方法2实验效果：结论： 网上大部分寻找重叠区域都是对一个点云建立kdtree，然后在r半径内搜索另外一个点云的点。这种方法适合两个点云完全一样。一般的点云数据并不完全一样，例如两条航带的点云，并不完全相同，如果应用这方法会损失很多点，造成特征计算的不准确性。下面介绍两种方法： 写在前面的结论：第二种方法速度和精度上均优于第一种方法（octree yyds！！！） 方法1： （1）假设有两组点云A,B，计算A的OBB包围盒 （2）寻找点云A的OBB包围盒内的点云B，这样就得
两帧点云重叠部分
qq_49589440的博客
09-21 502
eyt
PCL 提取两片点云的重叠部分并保存
m0_51204289的博客
11-07 832
内容抄自优快云点云侠：[【2024最新版】PCL点云处理算法汇总（C++长期更新版）](https://blog.youkuaiyun.com/qq_36686437/article/details/114160640)。质量无忧，永久免费，可放心复制粘贴。
【2025最新版】PCL点云处理算法汇总（C++长期更新版）
热门推荐
点云侠的博客
01-18 60万+
PCL学习目录。博客长期更新，最近一次更新时间为：2025年6月6日。
PCL 提取两片点云的非重叠部分【2024最新版】
点云侠的博客
03-08 36万+
PCL 提取两片点云的非重叠部分。博客长期更新，本文最近一次更新时间为：2024年12月29日。
PCL 提取两片点云的非重叠部分
m0_51204289的博客
11-07 601
内容抄自优快云点云侠：[【2024最新版】PCL点云处理算法汇总（C++长期更新版）](https://blog.youkuaiyun.com/qq_36686437/article/details/114160640)。质量无忧，永久免费，可放心复制粘贴。
PCL点云处理之重叠区域点云获取方法一（一百一十二）
weixin_44329757的博客
03-18 1001
获取重叠区域的点云是很多算法的预处理步骤，这里介绍一种基于KD树的简单获取重叠点云方法。
PCL学习笔记——利用kdtree结构找出点云的重叠部分
awen
11-14 7628
目的为cloudA中的每个点，在cloudB中找到对应的重叠点（将点与点之间的距离小于某个阈值的点视为重叠点） 主要函数： int pcl::OrganizedNeighborSearch&amp;lt; PointT &amp;gt;::nearestKSearch ( const PointCloudConstPtr &amp;amp; cloud_arg, int index_arg, int k_arg, ...
PCL点云处理之一种超快速获取重叠点云的方法（一百二十一）
weixin_44329757的博客
04-05 1144
当两片点云发生实际重叠是，可以通过近邻搜索快速获取彼此位于重叠区域的公共点云，这里实现一种快速的重叠点云获取方法，经测试效率很高，复制黏贴即可使用。相关原理直接看代码，此处不再赘述。
计算两个点云重叠区域的均值和标准差
ByteJolt的博客
08-15 338
在计算机视觉和三维重建等领域，点云是由多个离散的点构成的三维数据集，每个点都包含了坐标和可能的其他属性信息。当我们有两个点云，并且想要计算它们重叠的区域的统计特征时，均值和标准差是常用的指标。对于每个坐标轴(x、y、z)，我们可以遍历重叠区域的所有点，将坐标值累加起来，然后除以点的数量得到均值。在上面的代码中，我们依次遍历重叠区域的每个点，计算每个坐标轴的均值。然后，我们再次遍历重叠区域的每个点，计算与均值的差值的平方和。通过使用PCL库的功能，我们可以方便地计算两个点云重叠区域的均值和标准差。
PCL学习笔记——利用点云配准CorrespondenceEstimationBase（）函数找出两部分点云重叠区域
awen
04-11 7226
主要Classes： pcl::registration::CorrespondenceEstimation&amp;lt; PointSource, PointTarget, Scalar &amp;gt; Class Template Reference 主要函数： template&amp;lt;typename PointSource , typename PointTarget , typename Scala...
Open3D(C++) 提取两片点云的重叠区域和非重叠区域
点云侠的博客
01-16 890
提取两片点云的重叠区域和非重叠区域的C++版本代码实现。
基于对应点关系的——两片点云剔除（保留）重复点
阁楼
06-05 1478
针对有一定重叠率的点云，可以是配准后的点云，也可以是同一采集器采集固定位置的不同点云数据。
CloudCompare:点云间重叠区可视化对比
qq_52926136的博客
11-16 2056
点云配准，重叠区大小判别，CloudCompare
PCL 删除点云中重叠的点(方法一)【2024最新版】
点云侠的博客
12-17 40万+
删除点云中重叠的点，博客长期更新，本文最近一次更新时间为：2024年12月9日。
SQL去除时间重叠部分
最新发布
03-20
<think>好的，我现在需要解决用户的问题，即SQL中如何去除时间重叠部分。首先，我需要理解用户的需求。时间重叠通常指的是在记录中存在时间段有交叠的情况，用户希望找出这些重叠的记录并进行处理，比如合并或者删除。接下来，我得考虑在SQL中如何处理这种情况。 首先，我应该回忆一下处理时间重叠的常见方法。通常，这类问题可以通过自连接（self-join）或者窗口函数（window functions）来解决。自连接的话，可能需要将同一表连接起来，比较不同行的时间段是否有重叠。而窗口函数可能更高效，尤其是处理大数据量的时候。 接下来，我需要确定如何检测时间重叠。两个时间段（start1, end1）和（start2, end2）重叠的条件是：start1 < end2 且 start2 < end1。这个逻辑是否正确？是的，这个条件能涵盖所有重叠的情况，包括部分重叠、包含和被包含的情况。 然后，考虑如何应用这个条件到SQL查询中。假设有一个表叫events，包含id, start_time, end_time。用户可能想要找出所有存在重叠的记录。这时候，可能需要自连接这个表，连接条件是两个不同的id，并且时间段有重叠。但需要注意，自连接可能会产生重复的结果，比如记录A和B重叠，以及B和A重叠会被视为两次，所以可能需要使用比如id1 < id2来避免重复。 但用户的问题可能不仅仅是找出重叠，而是要去除重叠部分。这可能涉及到合并重叠的时间段。这时候，处理起来会更复杂，可能需要使用递归CTE或者窗口函数来合并相邻或重叠的时间段。 例如，合并重叠时间段的一种方法是按开始时间排序，然后逐个检查当前记录的开始时间是否在前一个合并后的时间段内。如果是，则合并，否则保留为新的时间段。这在SQL中可以通过递归公共表达式（CTE）来实现，或者在支持窗口函数的数据库中使用LAG或LEAD函数来处理。 不过，用户的问题可能分为两种情况：一种是找出所有重叠的记录，另一种是合并重叠的时间段。我需要明确用户的具体需求。根据问题描述“去除时间重叠部分”，可能是指合并重叠的时间段，生成不重叠的时间段集合。 接下来，我需要考虑具体的SQL实现步骤。例如，在PostgreSQL中，可以使用窗口函数和递归CTE来处理。首先按start_time排序，然后对于每个记录，检查是否与前一个合并后的时间段重叠，如果重叠则合并，否则保留。这个过程需要递归处理，直到没有更多的重叠为止。 另外，如果只需要标识出重叠的记录，而不需要合并，那么可以使用自连接或者窗口函数来标记哪些记录与其他记录存在重叠。例如，使用EXISTS子查询来检查是否存在其他记录与当前记录的时间段重叠。 还需要注意性能问题，尤其是在处理大数据量时，自连接的复杂度是O(n²)，可能会很慢。而使用窗口函数的方法可能更高效，但具体实现可能因数据库系统而异。 举个例子，假设有一个表events： | id | start_time | end_time | |----|------------|----------| | 1 | 08:00 | 09:00 | | 2 | 08:30 | 09:30 | | 3 | 10:00 | 11:00 | 要合并重叠的时间段，结果应该是： | start_time | end_time | |------------|----------| | 08:00 | 09:30 | | 10:00 | 11:00 | 实现这个的SQL可能涉及递归CTE： WITH RECURSIVE merged AS ( SELECT MIN(start_time) AS start_time, end_time FROM events ORDER BY start_time LIMIT 1 UNION ALL SELECT CASE WHEN events.start_time <= merged.end_time THEN merged.start_time ELSE events.start_time END, CASE WHEN events.start_time <= merged.end_time THEN GREATEST(merged.end_time, events.end_time) ELSE events.end_time END FROM merged JOIN events ON events.start_time > merged.start_time ) SELECT start_time, MAX(end_time) as end_time FROM merged GROUP BY start_time; 不过，这个例子可能需要调整，特别是在递归部分如何连接原表。正确的递归方法应该是逐步合并，可能需要更复杂的逻辑。 另一种方法是使用窗口函数来标记每个组的起始点，然后累加合并： SELECT MIN(start_time) as start_time, MAX(end_time) as end_time FROM ( SELECT start_time, end_time, SUM(is_new_group) OVER (ORDER BY start_time) as group_id FROM ( SELECT start_time, end_time, CASE WHEN start_time > LAG(max_end_time) OVER (ORDER BY start_time) THEN 1 ELSE 0 END as is_new_group FROM ( SELECT start_time, end_time, MAX(end_time) OVER (ORDER BY start_time ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING) as max_end_time FROM events ) t ) t ) t GROUP BY group_id; 这个查询的思路是，首先计算到当前行为止的最大结束时间，然后判断当前行的开始时间是否大于之前的最大结束时间，如果是，则开启一个新的组，否则继续当前组。最后按组聚合，得到合并后的时间段。 不过，这个方法可能在实现时需要多次子查询，并且需要正确计算max_end_time。例如，使用窗口函数MAX(end_time) OVER (ORDER BY start_time ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING)来获取之前所有行的最大结束时间。然后，如果当前行的start_time大于之前的max_end_time，则视为新组的开始。 这应该可以正确合并所有重叠的时间段，而无需递归，可能在性能上更优。 总结来说，处理时间重叠的步骤大致如下： 1. 确定要处理的数据表和时间字段。 2. 根据时间重叠的条件（start1 < end2且start2 < end1）识别重叠的记录。 3. 合并重叠的时间段，生成新的不重叠时间段。 根据具体需求，可能还需要考虑时间精度（如日期、时间戳）、是否允许端点重叠（比如end_time是否包含等于的情况）等细节。 最后，需要验证SQL的正确性，比如测试不同重叠情况下的结果是否正确，例如完全包含、部分重叠、相邻但不重叠等情况。</think>在SQL中去除时间重叠部分，通常涉及合并或排除重叠的时间段。以下是逐步解决方案： --- ### **1. 识别时间重叠的条件** 两个时间段 $(start_1, end_1)$ 和 $(start_2, end_2)$ 重叠的条件为： $$ start_1 < end_2 \quad \text{且} \quad start_2 < end_1 $$ --- ### **2. 场景一：仅查找重叠记录** 若需找出所有与其他记录重叠的行，可通过自连接实现： ```sql SELECT a.* FROM events a JOIN events b ON a.id <> b.id AND a.start_time < b.end_time AND b.start_time < a.end_time; ``` --- ### **3. 场景二：合并重叠时间段** 若需将重叠时间段合并为连续区间，常用方法如下： #### **方法一：递归CTE（适用于支持递归的数据库，如PostgreSQL）** ```sql WITH RECURSIVE merged AS ( -- 初始选取最早的时间段 SELECT start_time, end_time FROM events ORDER BY start_time LIMIT 1 UNION ALL -- 递归合并后续重叠时间段 SELECT CASE WHEN e.start_time <= m.end_time THEN m.start_time ELSE e.start_time END AS start_time, CASE WHEN e.start_time <= m.end_time THEN GREATEST(m.end_time, e.end_time) ELSE e.end_time END AS end_time FROM merged m INNER JOIN events e ON e.start_time > m.start_time WHERE e.start_time <= (SELECT MAX(end_time) FROM merged) ) SELECT start_time, MAX(end_time) AS end_time FROM merged GROUP BY start_time; ``` #### **方法二：窗口函数（高效，避免递归）** ```sql SELECT MIN(start_time) AS start_time, MAX(end_time) AS end_time FROM ( SELECT start_time, end_time, SUM(is_new_group) OVER (ORDER BY start_time) AS group_id FROM ( SELECT start_time, end_time, -- 判断是否为新组的起点 CASE WHEN start_time > LAG(max_end) OVER (ORDER BY start_time) THEN 1 ELSE 0 END AS is_new_group FROM ( SELECT start_time, end_time, -- 计算到当前行的最大结束时间 MAX(end_time) OVER ( ORDER BY start_time ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING ) AS max_end FROM events ) t1 ) t2 ) t3 GROUP BY group_id; ``` --- ### **4. 关键点解释** - **自连接法**：通过比较每对记录判断重叠，但性能较差。 - **递归CTE**：逐步合并重叠区间，适合小数据量。 - **窗口函数**：通过标记组ID高效合并，推荐大数据量使用。 --- ### **5. 示例验证** 原始数据： | id | start_time | end_time | |----|------------|----------| | 1 | 08:00 | 09:00 | | 2 | 08:30 | 09:30 | | 3 | 10:00 | 11:00 | 输出结果： | start_time | end_time | |------------|----------| | 08:00 | 09:30 | | 10:00 | 11:00 | --- ### **6. 注意事项** - 时间精度需统一（如日期或时间戳）。 - 根据业务需求决定是否包含端点（如 `<=` 或 `<`）。 - 索引优化：对 `start_time` 和 `end_time` 建索引以提升性能。
评论 15
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

点云侠

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

实付元
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