参考:http://www.voidcn.com/article/p-aovciemr-bpr.html
步骤
对无序点云在空间变化上的检测,其实是对前后两幅点云在八叉树结构下的差异检测。因此我们要首先载入一个原始点云,并生成第一个八叉树结构;然后切缓冲,载入第二个点云,生成第二个八叉树结构;最后进行比较,如果有一些叶子结点在第二个八叉树上,但是不在第一个八叉树上,那么就认为这些叶子节点内的点是空间上变化多出来的点。
思路
读取一个点云并复制,在赋值的点云中添加1000个随机点,对两个点云进行0ctree检测,找出新增的点,并将三个点云可视化
代码
#include <iostream>
#include <pcl/common/common_headers.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>
//octree_change_detction
#include <pcl/point_cloud.h>
#include <pcl/octree/octree_pointcloud_changedetector.h>
#include <vector>
#include <ctime>
#include <pcl/point_types.h>
int main(int argc, char** argv) {
srand((unsigned int) time(NULL));//随机种子
//Octree resolution - side length of octree voxels
float resolution = 15.0f;
//实例化基于octree的点云检测类
pcl::octree::OctreePointCloudChangeDetector<pcl::PointXYZ> octree(resolution);//创建检测类的对象
//创建两个XYZ点云指针,想办法将文件中的数据赋值给该指针
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud1 (new pcl::PointCloud<pcl::PointXYZ>);
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud2 (new pcl::PointCloud<pcl::PointXYZ>);
//pcl::PointCloud<pcl::PointXYZ>::Ptr cloud3 (new pcl::PointCloud<pcl::PointXYZ>);//用来类型转换的
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_result (new pcl::PointCloud<pcl::PointXYZ>);//使用这个指针将获得的索引强制转换并输出
//加载点云文件给cloud指针
if(pcl::io::loadPCDFile<pcl::PointXYZ>("room_scan1.pcd",*cloud1)==-1)//??????
{
PCL_ERROR("Cou