PCL OcTree（一）——空间变化检测

最新推荐文章于 2023-03-12 18:02:04 发布

PaQiuQiu

最新推荐文章于 2023-03-12 18:02:04 发布

阅读量309

点赞数

分类专栏： 3D，从无知到无畏文章标签：点云 PCL

本文链接：https://blog.csdn.net/lxy_2011/article/details/128485785

版权

3D，从无知到无畏专栏收录该内容

58 篇文章 12 订阅 ¥89.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了如何利用PCL库中的OcTree结构检测两个无序点云之间的空间变化。通过对比两个八叉树的结构，找出只存在于其中一个点云的叶子节点，从而识别出点云之间的差异。主要步骤包括创建点云、构建八叉树、比较两个八叉树以确定空间变化。文章提供了主要函数和核心代码示例。

摘要由CSDN通过智能技术生成

文章目录

一、检测原理介绍

Octree是一种管理稀疏3D数据的树状结构，利用Octree实现多个无序点云之间的空间变化检测，这些点云可能在尺寸、分辨率、密度和点顺序等方面有所差异，通过递归的比较Octree的树结构，可以鉴定出由Octree产生的体素组成的区别所代表的空间变化，并且通过Octree的“双缓冲”技术，可以实时的探测多个点云之间的空间组成的差异。

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。

二、主要函数及代码实现

1、主要函数

  /** \brief Get a indices from all leaf nodes that did not exist in previous buffer.
   * \param indicesVector_arg: results are written to this vector of int indices