点云的密集程度可以用两点之间的间隔距离表示,即求点云中平均两点之间的距离。根据下述的原理可知,在点云数量一定的情况下,当数据点越稀疏时,点云分辨率越大。
计算方法
- step1: 遍历点云中的每一个点
- step2: 找到与其最近的点,并求出两点距离
- step3: 累加两点距离之和,并除以点云数量(剔除无效点),所得结果便是点云空间分辨率
double ComputeCloudResolution(const pcl::PointCloud<pcl::PointXYZ>::ConstPtr& cloud)
{
double res = 0.0;
int n_points = 0;
int nres;
std::vector<int> indices(2);
std::vector<float> sqr_distances(2);
//step1: 新建kdtree用于搜索
pcl::search::KdTree<pcl::PointXYZ> tree;
tree.setInputCloud(cloud);
//step2: 遍历点云每个点,并找出与它距离最近的点
for (size_t i = 0; i < cloud->size(); ++i)
{
if (!pcl_isfinite((*cloud)[i].x))
{
continue;
}
// 取第二个距离,因为第一个是它本身
nres = tree.nearestKSearch(i, 2, indices, sqr_distances);
//step3: 统计最小距离和、有效点数量
if (nres == 2)
{
res += sqrt(sqr_distances[1]);
++n_points;
}
}
//step4: 计算空间分辨率
if (n_points != 0)
{
res /= n_points;
}
return res;
}