PCL 快速均匀下采样


内容抄自CSDN点云侠:2024最新版】PCL点云处理算法汇总(C++长期更新版)。质量无忧,可放心复制粘贴。

一、概述

   快速均匀下采样是通过设置采样步长,遍历原始点云,选择每隔一定数量的点进行保留。这样不仅可以降低数据量,还能保持点云的整体形状和分布。

二、代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/visualization/pcl_visualizer.h>

// 可视化两个点云
void twoPointCloudViewer(pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud1, pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud2)
{
	// 输出结果到可视化窗口
	// 创建可视化窗口
	pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("3D PointCloud Viewer"));

	// 设置视口1,显示原始点云
	int v1;
	viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1);  // 左侧窗口
	viewer->setBackgroundColor(0.0, 0.0, 0.0, v1);  // 黑色背景
	viewer->addText("cloud1 PointCloud", 10, 10, "vp1_text", v1);  // 标题
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud1, 0, 255, 0);  // 绿色
	viewer->addPointCloud(cloud1, cloud_color_handler, "original_cloud", v1);

	// 设置视口2,显示体素中心点云
	int v2;
	viewer->createViewPort(0.5, 0.0, 1.0, 1.0, v2);  // 右侧窗口
	viewer->setBackgroundColor(0.0, 0.0, 0.0, v2);   // 黑色背景
	viewer->addText("cloud2 PointCloud", 10, 10, "vp2_text", v2);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> voxel_center_color_handler(cloud2, 255, 0, 0);  // 红色
	viewer->addPointCloud(cloud2, voxel_center_color_handler, "2_cloud", v2);

	// 设置点的大小
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", v1);
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "2_cloud", v2);

	// 添加坐标系
   /* viewer->addCoordinateSystem(0.1);
	viewer->initCameraParameters();*/

	// 可视化循环
	while (!viewer->wasStopped())
	{
		viewer->spinOnce(100);
	}

}

int main(int argc, char** argv)
{
    // 读取点云数据
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile<pcl::PointXYZ>("dragon.pcd", *cloud) == -1)
    {
        PCL_ERROR("Couldn't read the PCD file!\n");
        return -1;
    }

    // 快速均匀下采样
    pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud(new pcl::PointCloud<pcl::PointXYZ>); 
    // 设置采样步长
    int step_size = 20;  // 每隔二十个点采样一个点
    // 等距采样
    for (size_t i = 0; i < cloud->size(); i += step_size)
    {
        sampled_cloud->points.push_back(cloud->points[i]);  // 添加采样点
    }
    sampled_cloud->width = sampled_cloud->points.size();
    sampled_cloud->height = 1;
    sampled_cloud->is_dense = true;  // 确保点云是密集的

    // 可视化
	twoPointCloudViewer(cloud, sampled_cloud);

    return 0;
}

三、结果

在这里插入图片描述

点云采样是点云处理中非常常见的一种操作,其目的是减少点云数据量,简化点云形状,提高点云处理效率。均匀采样是其中一种常见的采样方式,其原理是在点云中均匀地取出一部分点,使得采样后点云的形状尽可能保持原来的形状。 下面是使用C++ PCL库进行均匀采样的示例代码: ```c++ #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/filters/uniform_sampling.h> int main(int argc, char** argv) { // 读取点云文件 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); pcl::PCDReader reader; reader.read<pcl::PointXYZ>("input_cloud.pcd", *cloud); // 定义采样间隔 float leaf_size = 0.01f; // 定义采样器对象 pcl::UniformSampling<pcl::PointXYZ> uniform_sampling; uniform_sampling.setInputCloud(cloud); uniform_sampling.setRadiusSearch(leaf_size); // 执行采样操作 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>); uniform_sampling.filter(*cloud_filtered); // 保存采样后的点云文件 pcl::PCDWriter writer; writer.write<pcl::PointXYZ>("output_cloud.pcd", *cloud_filtered, false); return 0; } ``` 以上代码中,我们使用了PCL库中的UniformSampling类来实现均匀采样操作,其具体原理是:在点云中以一定的半径搜索出所有点,然后从中均匀地选择一部分点作为采样结果。 通过设置setRadiusSearch()函数来设置采样半径,即采样间隔。最后通过调用filter()函数来执行采样操作,并将采样结果保存到文件中。 注意:在使用UniformSampling类进行均匀采样时,需要保证点云中至少有一个点在采样半径范围内,否则采样结果将为空。因此,在实际应用中需要根据点云的密度和形状合理地设置采样半径。
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