PCL体素滤波（voxel_grid）

者山海

已于 2024-09-20 09:38:31 修改

阅读量863

点赞数 8

CC 4.0 BY-SA版权

分类专栏： PCL 文章标签： python 算法机器学习计算机视觉人工智能

于 2024-08-02 16:17:19 首次发布

本文链接：https://blog.youkuaiyun.com/xhm01291212/article/details/140873163

PCL 专栏收录该内容

96 篇文章

订阅专栏

PCL专栏目录及须知-优快云博客

注意：非常重要！！！最常用的抽稀，可以保持点云形态的条件下做到抽稀点云。必学！！！

1.原理

将整体点云体素化为一个三维体素栅格，使用每个体素栅格的质心点近似代表该体素块。

（1）对点云按照输入的立方体进行体素化处理，将所有的点云点分布进一个一个的小体素块中。

（2）计算每个体素块的质心点（注意要区别于体素滤波计算中心点）。

（3）所有计算出的体素块质心点组成组成新的点云点，合并得到最终结果。

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

抽稀：体素滤波使用最多，需要掌握。

工作中往往都使用体素滤波；体素滤波可以在抽稀的同时，保持点云的原始形态，并且速度也较快。

3.注意事项

PCL中，计算质心点的函数为

Eigen::Vector4f centroid;                     // 质心 
pcl::compute3DCentroid(*cloud,centroid);      // 计算质心

4.关键函数

（1）设置最小体素块的xyz值

setLeafSize()

5.代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

int main()
{
    /****************体素滤波********************/
    // 原始点云
    pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>);
    pcl::io::loadPCDFile("D:/code/csdn/data/bunny.pcd", *cloud);   // 加载原始点云数据
    // 结果点云
    pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZRGB>);

    // 体素滤波
    pcl::VoxelGrid<pcl::PointXYZRGB> filter;
    filter.setInputCloud(cloud);
    filter.setLeafSize(0.003, 0.003, 0.003);                        // 每个体素块的xyz值
    filter.filter(*cloud_filtered);

    /****************展示********************/
    boost::shared_ptr<pcl::visualization::PCLVisualizer> view_raw(new pcl::visualization::PCLVisualizer("raw"));
    view_raw->addPointCloud<pcl::PointXYZRGB>(cloud, "raw cloud");
    view_raw->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "raw cloud");

    boost::shared_ptr<pcl::visualization::PCLVisualizer> view_filtered(new pcl::visualization::PCLVisualizer("filter"));
    view_filtered->addPointCloud<pcl::PointXYZRGB>(cloud_filtered, "filtered cloud");
    view_filtered->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "filtered cloud");

    while (!view_raw->wasStopped())
    {
        view_raw->spinOnce(100);
        boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }
    while (!view_filtered->wasStopped())
    {
        view_filtered->spinOnce(100);
        boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }

    return 0;
}