PCL最低栅格滤波（grid_minimum）

原创 已于 2024-09-20 09:40:22 修改 · 892 阅读 · 1 ·
CC 4.0 BY-SA版权
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。
文章标签：

#算法 #c++ #3d

于 2024-07-30 13:59:56 首次发布

PCL专栏目录及须知-优快云博客

1.原理

将点云体素化（也称为点云栅格化）之后，取每个栅格化网格的z值最低点作为特征点，组合获取结果点云。

（1）将点云体素化为一个个小的体素块

（2）取每个体素块中点云z值最低点作为该体素块特征点；组合成结果点云。

如何理解体素化：如下图，将整体点云体素化为多个小体素块，用一个个正方形的小块代表该范围内的点云

2.使用场景

实际工作中一般用于辨别、切割点云中高程不同的物体。

如下图，较高的建筑物经过栅格化抽稀，明显和附近的地面区分开（红框内即为经过滤波后辨别出的建筑物，若要提取，下一步可通过z值条件滤波等提取）。

同理，也可用来分开杆塔和草地，大树和车等东西。

3.注意事项

无

4.关键函数

（1）设置体素块的边长；


                

        

    



  


        

            

                      
                        最低0.47元/天 解锁文章
                          
                      
            

        


    



                



	

		

			

				
					
PCL 格网最低点滤波【2025最新版】

				
			

			

				

					点云侠的博客
				

				

					02-24
					
					36万+
					
				

			

		

		

			
				
博客长期更新，本文最近一次更新时间为：2025年6月28日。

			
		

	



                

            
              



	

		

			

				
					
PCL GridMinimum获取栅格最低点

				
			

			

				

					纵马踏花向自由
				

				

					10-01
					
					507
					
				

			

		

		

			
				
PCL GridMinimum 滤波器是用于从点云中提取栅格中最低点的一个操作。它将点云划分为规则的网格单元，并从每个网格中选择最低的点作为输出，常用于简化点云数据、减少噪声，或者在地形数据处理中保留最低的地面点。

			
		

	



              


  
              

                


	

		

			

				
					
【pcl入门教程滤波系列】之GridMinimum

				
			

			

				

					AutoXTruck专栏
				

				

					09-03
					
					1068
					
				

			

		

		

			
				
简介
　　谈及点云体素化是一种点云比较普遍的处理方式，之前的一篇博文【pcl入门教程滤波系列】之VoxelGrid有讲解点云体素化与近似体素化的情况。主要涉及两个函数pcl::VoxelGrid与pcl::ApproximateVoxelGrid的体素化方式，其中第一个是通过划分体素栅格求取每个栅格里面的点云重心来作为这个栅格的点云代表，而第二个则是依据栅格的中心点来代表该栅格的点云。当然，各有各的用在不同的场景。不知道你是否想过，为什么没有求取栅格中最低点的方法？这样对于划分体素栅格后获取最低点，有助于对

			
		

	





	

		

			

				
					
PCL之GridMinimum求栅格最低点

				
			

			

				

					Jared_Chen的博客
				

				

					10-17
					
					306
					
				

			

		

		

			
				
【代码】PCL之GridMinimum求栅格最低点。

			
		

	



		

			
		



	

		

			

				
					
PCL快速双边滤波

				
			

			

				

					com1098247427的博客
				

				

					11-27
					
					683
					
				

			

		

		

			
				
快速双边滤波

			
		

	





	

		

			

				
					
栅格最低点检索：寻找栅格中的最低值

				
			

			

				

					JbPatch的博客
				

				

					09-24
					
					240
					
				

			

		

		

			
				
栅格数据由一系列的栅格单元组成，每个栅格单元包含一个特定位置的值。在某些情况下，我们可能需要从栅格数据中找到最低值，即栅格中的最低点。其中，GridMinimum是一个用于栅格化点云数据并查找栅格中最低点的方法。栅格的尺寸决定了栅格单元的大小，较小的尺寸可以提供更高的栅格精度，但也会增加计算量。需要注意的是，为了运行上述代码，你需要将PCL库正确地安装在你的计算机上，并将其与编译器进行链接。方法获取栅格中的最低点，并将其坐标打印出来。方法执行栅格化操作，将栅格化后的结果保存在原始点云数据中。

			
		

	





	

		

			

				
					
PCL的voxelgrid滤波及验证点云强度如何变化

				
			

			

				

					qq_20184333的博客
				

				

					10-15
					
					3106
					
				

			

		

		

			
				
点云滤波下采样

			
		

	





	

		

			

				
					
点云库PCL学习笔记 -- 点云滤波Filtering -- 2. VoxelGrid 体素网格滤波器

				
			

			

				

					杰尼君的博客
				

				

					03-19
					
					1303
					
				

			

		

		

			
				
点云库PCL学习笔记 -- 点云滤波Filtering -- 2.VoxelGrid 体素网格滤波器1. VoxelGrid 体素网格滤波器代码2. 编译文件3. 测试

1. VoxelGrid 体素网格滤波器代码
VoxelGrid 体素网格滤波器代码pcl_visualizer_demo.cpp



2. 编译文件
设置编译文件CMakeLists.txt



编译
mkdir build
cd build/
cmake ..
make


3. 测试
执行程序
cd ..
./build/pcl

			
		

	





	

		

			

				
					
《QT+PCL 第三章》点云滤波-GridMin

				
			

			

				

					阁楼
				

				

					03-22
					
					1389
					
				

			

		

		

			
				
QT增加固定点采样一、核心代码二、QT设置三、效果展示
一、核心代码
二、QT设置
三、效果展示



			
		

	





	

		

			

				
					
pclpy 获取栅格最低点

				
			

			

				

					点云侠的博客
				

				

					10-27
					
					451
					
				

			

		

		

			
				
GridMinimum获取栅格最低点的python—pclpy代码实现

			
		

	





	

		

			

				
					
【PCL】点云栅格化1

					
热门推荐

				
			

			

				

					ethan_guo的博客
				

				

					06-08
					
					1万+
					
				

			

		

		

			
				
作为传统的障碍物或地面分割方法之一的第一步，栅格化显得基础又重要。这是我根据自己理解写的栅格化程序，目前还没有找到权威的版本。接下来几个版本的程序，代表了不断地改进。//
// Created by ethan on 18-6-6.
//
#include <iostream>
#include <ros/ros.h>
// PCL specific includes
#i...

			
		

	





	

		

			

				
					
第13章：PCL GridMinimum滤波器

				
			

			

				

					yumeiguo的博客
				

				

					04-24
					
					125
					
				

			

		

		

			
				
类似，GridMinimum滤波器的作用是减少点云的点数，从而加速后续处理操作，但与VoxelGrid不同，它关注的是每个网格内的“最小点”（而不是均值或中心点）。：通过选择每个网格内的最小点，GridMinimum滤波器能够在点云降采样的同时，保留地面或其他底部特征，对于自动驾驶等应用场景非常有效。：在每个网格内，GridMinimum滤波器会选择一个最小点，这个最小点是网格内所有点的坐标值最小的点。：最终，滤波器会根据提取的最小点生成一个新的点云，这个新的点云包含了原始点云中代表性最小的点。

			
		

	





	

		

			

				
					
【PCL】点云栅格化2

				
			

			

				

					ethan_guo的博客
				

				

					06-13
					
					5812
					
				

			

		

		

			
				
//
// Created by ethan on 18-6-6.
//
#include <iostream>
#include <ros/ros.h>
// PCL specific includes
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversio...

			
		

	





	

		

			

				
					
PCL下采样(VoxelGrid(体素栅格))

				
			

			

				

					mr_fangf的博客
				

				

					07-17
					
					940
					
				

			

		

		

			
				
点云数据中总会出现点分布不均匀的情况，可以通过下采样来使得点数据分别更平均，有利于曲面重构等后续处理，PCL自带的VoxelGrid(体素栅格)可以很好的完成这一任务，主要就是创建一个三维体素栅格(就是每个比较小的立方体组成的体素栅格)。在每个体素(三维立方体)里面，求取该立方体内的所有点云重心点来代表这个立方体的表示，以此达到下采样的目的。

			
		

	





	

		

			

				
					
CloudCompare&PCL 格网最小值提取

				
			

			

				

					dayuhaitang1的博客
				

				

					05-17
					
					686
					
				

			

		

		

			
				
文章目录一、原理概述二、PCL中的类型三、实现代码
一、原理概述

该方法大致过程是：在输入点云数据上创建一个2D网格，然后，在每个单元格(即2D网格元素)中，所有存在的点将以最小z值进行下采样。该网格最小值可用于一些地形处理任务，如粗略估计地面返回，特别是在树叶下。

二、PCL中的类型

类型为：pcl::GridMinimum< PointT > ，相关参数为：

setResolution (const float resolution)

设置网格分辨率。
三、实现代码

...

			
		

	





	

		

			

				
					
滤波——GridMin滤波

				
			

			

				

					moyuer1的博客
				

				

					04-09
					
					250
					
				

			

		

		

			
				
PCL滤波——gridmin

			
		

	





	

		

			

				
					
PCL 体速栅格下采样

				
			

			

				

					zhaoxr233的博客
				

				

					06-14
					
					1609
					
				

			

		

		

			
				
体素栅格下采样方法，通过设定小立方体的size，计算它的重心（而不是中心）代替其中所有的点，进行下采样


// downsamvoxelgrid.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"

//体素栅格下采样zxr
//int _tmain(int argc, _TCHAR* argv[])
//{
//	return 0;
//}
#inclu...

			
		

	





	

		

			

				
					
PCL点云处理：体素栅格滤波器详解与应用

				
			

			

				

					weixin_34725745的博客
				

				

					05-29
					
					1025
					
				

			

		

		

			
				
点云处理是计算机视觉和三维成像领域的一项关键技术，它通过分析由激光雷达（LiDAR）、结构光、立体视觉等技术获取的三维数据点集，实现物体表面形状的重建、特征提取、物体识别等任务。PCL（Point Cloud Library）是一个开源的高性能库，广泛应用于机器人、增强现实、地理信息系统和计算机视觉等多个领域。在点云处理领域，PCL提供了从数据获取、滤波、分割、表面重建到物体识别等一系列强大的工具和算法，使得点云数据的处理变得更为高效和精确。

			
		

	





	

		

			

				
					
CloudCompare 二次开发(4)——插件中的PCL环境配置（GridMinimum算法为例）

				
			

			

				

					点云侠的博客
				

				

					12-12
					
					1550
					
				

			

		

		

			
				
在进行CloudCompare插件制作的时候需要用到PCL，CloudCompare官网推荐使用户Cmake进行三方库的配置。因此，这里主要记录使用Cmake在CloudCompare中配置PCL，并给出具体制作过程。

			
		

	





	

		

			

				
					
make[2]: *** [grid_map_pcl/CMakeFiles/grid_map_pcl.dir/build.make:115：grid_map_pcl/CMakeFiles/grid_map_pcl.dir/src/PointcloudProcessor.cpp.o] 错误 1 make[1]: *** [CMakeFiles/Makefile2:6031：grid_map_pcl/CMakeFiles/grid_map_pcl.dir/all] 错误 2 make[1]: *** 正在等待

					
最新发布

				
			

			

				

					06-22
				

			

		

		

			
				
### 编译错误分析与解决方案

根据提供的信息，编译错误可能源于代码中调用了不存在的成员函数或方法。具体到 `PointcloudProcessor.cpp` 文件中的问题，可以参考以下内容进行排查和修复。

在用户提供的引用中提到的错误信息显示，`cv::RotatedRect` 类中不存在名为 `boundingRect2f` 的成员函数，而可能是拼写错误或 API 使用不当[^1]。此外，`grid_map_pcl` 库的功能主要依赖于点云处理和栅格地图生成，因此需要确保代码逻辑符合库的设计规范[^2]。

以下是针对 `PointcloudProcessor.cpp` 文件中可能出现的编译错误的解决方案：

#### 1. 检查 OpenCV 版本兼容性
OpenCV 的不同版本可能对某些方法的支持存在差异。例如，`boundingRect2f` 并非所有版本都支持。建议将代码中的 `boundingRect2f` 替换为 `boundingRect` 方法，并验证其返回值是否满足需求[^1]。

修改后的代码示例如下：
```cpp
cv::RotatedRect rotatedRect(cv::Point2f(0, 0), imageSource.size(), rotationAngle);
cv::Rect boundingBox = rotatedRect.boundingRect(); // 替换为 boundingRect
```

#### 2. 确保头文件正确包含
在 `PointcloudProcessor.cpp` 文件中，检查是否正确包含了必要的头文件。例如，如果使用了 OpenCV 的功能，则需要确保包含以下头文件：
```cpp
#include <opencv2/opencv.hpp>
```

#### 3. 验证输入参数类型
确保传递给 `cv::RotatedRect` 构造函数的参数类型正确。例如，`imageSource.size()` 返回的是 `cv::Size` 类型，而 `cv::Point2f` 和旋转角度 `rotationAngle` 必须与构造函数签名匹配[^1]。

#### 4. 调试与日志记录
如果上述修改仍无法解决问题，可以在关键位置添加调试信息以定位问题。例如：
```cpp
std::cout << "Image size: " << imageSource.size() << std::endl;
std::cout << "Rotation angle: " << rotationAngle << std::endl;
```

#### 5. 参考官方文档与示例代码
`grid_map_pcl` 库提供了丰富的示例代码，建议参考官方仓库中的相关实现[^2]。例如，可以查看 `grid_map_pcl` 的测试文件或示例程序，了解如何正确调用相关功能。

---

### 示例代码修正
假设 `PointcloudProcessor.cpp` 中存在类似的错误，以下是一个可能的修正示例：

```cpp
#include <opencv2/opencv.hpp>
#include <grid_map_pcl/grid_map_pcl.hpp>

void processPointCloud(const cv::Mat& imageSource, float rotationAngle) {
    try {
        cv::RotatedRect rotatedRect(cv::Point2f(0, 0), imageSource.size(), rotationAngle);
        cv::Rect boundingBox = rotatedRect.boundingRect(); // 替换为 boundingRect

        // 进一步处理 boundingBox
        std::cout << "Bounding box: " << boundingBox << std::endl;
    } catch (const std::exception& e) {
        std::cerr << "Error processing point cloud: " << e.what() << std::endl;
    }
}
```

---

###

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      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
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
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