点云降采样

点云处理有时因为数据量太大,我们需要对其进行下采样。
这里的方法是先将点云填入固定大小的三维网格中,然后每个网格中选一个点生成新的点云。
新点云即为下采样后的点云。
这里使用斯坦福兔子作为测试点云。
小兔子pcd下载地址
原始点云:

采样后点云:

matlab代码如下:

clear all;
close all;
clc;

pc = pcread('rabbit.pcd');
pcshow(pc);

pc_point = pc.Location;
xlimit = pc.XLimits;
ylimit = pc.YLimits;
zlimit = pc.ZLimits;

cellsize = 0.005;   %定义网格大小
%设置网格数量
W = floor((xlimit(2) - xlimit(1))/cellsize)+1;
H = floor((ylimit(2) - ylimit(1))/cellsize)+1;
D = floor((zlimit(2) - zlimit(1))/cellsize)+1;

%向网格里填数
voxel = cell(W,H,D);
for i =1:length(pc_point)
    I = floor((pc_point(i,1)-xlimit(1))/cellsize)+1;
    J = floor((pc_point(i,2)-ylimit(1))/cellsize)+1;
    K = floor((pc_point(i,3)-zlimit(1))/cellsize)+1;
    voxel{I,J,K} = [voxel{I,J,K};pc_point(i,:)];
end

%以网格中第一个点对原点云进行下采样
pointre =[];
for i=1:W
    for j=1:H
        for k=1:D
            if isempty(voxel{i,j,k})==0
                pointre=[pointre;voxel{i,j,k}(1,:)];
            end
        end
    end
end
pcre = pointCloud(pointre);

figure;
pcshow(pcre);
### PCL点云降采样方法 #### 1. 算法原理 点云降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),并对每个体素内的点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点(通常是中心点或平均值),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`类进行点云降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的点数 std::cout << "原始点云有:" << cloud->points.size() << "个点." << std::endl; std::cout << "降采样后的点云有:" << cloud_filtered->points.size() << "个点." << 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,可以有效减少点的数量,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