PCL --- downsample

最新推荐文章于 2024-03-03 21:30:31 发布
最新推荐文章于 2024-03-03 21:30:31 发布
阅读量1.8k 收藏 2
点赞数 1
分类专栏： PCL 基础知识
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。
本文链接：https://blog.csdn.net/qq_15262755/article/details/91745634
版权

记录一下

使用VoxelGrid的filter进行下采样

#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/cloud_viewer.h>

#include <pcl/filters/voxel_grid.h>



int main()
{
   
  //use PCDReader load PCD file
  pcl::PCDReader reader;
  pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud (new pcl::PointCloud<pcl
最低0.47元/天 解锁文章
Ella_le
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
PCL的downsample(体素滤波)
ethan_guo的博客
05-02 8038
转载于：https://www.cnblogs.com/li-yao7758258/p/6445831.html　　　使用体素化网格方法实现下采样，即减少点的数量 减少点云数据，并同时保存点云的形状特征，在提高配准，曲面重建，形状识别等算法速度中非常实用，PCL是实现的VoxelGrid类通过输入的点云数据创建一个三维体素栅格，容纳后每个体素内用体素中所有点的重心来近似显示体素中其他点，这样该体素...
PCL编程-点云采样
roboto
10-07 5072
1 点云复制：copyPointCloud copyPointCloud(*cloud_in,*cloud_out); cloud_in,cloud_out分别为输入输出的点云指针。 2 点云采样 void pcl::copyPointCloud ( const PointCloud &  cloud_in, const std::vector
PCL点云滤波去噪
热门推荐
知识搬运工的博客
01-11 4万+
为什么要对点云滤波？ 一般下面这几种情况需要进行点云滤波处理： （1） 点云数据密度不规则需要平滑 （2） 因为遮挡等问题造成离群点需要去除 （3） 大量数据需要下采样 （4） 噪声数据需要去除 点云中的噪声点对后续操作的影响比较大。就像盖房子一样，地基有很多瑕疵，如果不加以处理最终可能会导致整个房子坍塌的。不过别担心，PCL中有一个专门的点云滤波模块，可以将噪声点去除，还可以进行...
PCL学习笔记5-sample consensus采样一致性算法
luoyihao123456的博客
06-13 439
RANSAC
pcl-1.12 pcl-1.12 pcl-1.12 pcl-1.12
06-09
pcl-1.12 pcl-1.12 pcl-1.12 pcl-1.12
PCL-1.12.1-AllInOne-msvc2019-win64.exe
08-02
PCL-1.12.1
pcl-pcl-1.9.0.tar.gz
11-19
标题中的“pcl-pcl-1.9.0.tar.gz”是一个源码压缩包，其中包含了Point Cloud Library（PCL）的1.9.0版本。PCL是一个开源C++库，专注于三维点云处理和分析，广泛应用于机器人、无人机、AR/VR、3D扫描等领域。这个版本...
python_pcl-0.3.1-cp36-cp36m-win_amd64.whl
08-02
python_pcl-0.3.1-cp36-cp36m-win_amd64.whl
python-pcl-master安装包
08-02
这个"python-pcl-master"安装包是将PCL库与Python接口相结合，使得Python开发者能够方便地利用PCL的功能。 在安装Python-PCL之前，首先确保你的系统已经安装了以下依赖： 1. **Python**: Python-PCL通常支持Python ...
【PCL学习】常用滤波器原理简介和使用
最新发布
qq_34970873的博客
03-03 1733
本文简单介绍PCL中常用的filter。
点云降采样（DownSampling）
MSTIFIY的博客
07-26 1万+
点云降采样学习笔记
pcl 中的RandomSample、UniformSampling、VoxelGrid采样
byliut的博客
10-30 3355
目录 pcl filter模块 RandomSample UniformSampling VoxelGrid 应用 参考 完 pcl filter模块 Module filters：https://pointclouds.org/documentation/group__filters.html RandomSample、UniformSampling、VoxelGrid都包含在其中 RandomSample RandomSample也就是随机降采样，随...
PCL滤波介绍(1)
weixin_34408624的博客
02-27 268
在获取点云数据时 ，由于设备精度，操作者经验环境因素带来的影响，以及电磁波的衍射特性，被测物体表面性质变化和数据拼接配准操作过程的影响，点云数据中讲不可避免的出现一些噪声。在点云处理流程中滤波处理作为预处理的第一步，对后续的影响比较大，只有在滤波预处理中将噪声点 ，离群点，孔洞，数据压缩等按照后续处理定制，才能够更好的进行配准，特征提取，曲面重建，可视化等后续应用处理，PCL中点云滤波模块提供了很...
MATLAB点云处理（十）：点云下采样（random | gridAverage | nonuniformGridSample）
孙悟空
07-24 4217
本文介绍了MATLAB三种下采样方式：随机下采样、均匀体素下采样、非均匀体素下采样。同时给出了实现代码和测试结果
【译】PCL官网教程翻译(24)：使用VoxelGrid过滤器向下采样点云 - Downsampling a PointCloud using a VoxelGrid filter
tjwyj的博客
10-11 729
英文原网页查看。 使用VoxelGrid过滤器向下采样点云 在本教程中，我们将学习如何使用体素化网格方法对点云数据集进行降采样(即减少点的数量)。 我们将介绍的VoxelGrid类在输入点云数据上创建一个3D体素网格(将体素网格看作空间中的一组小3D框)。然后，在每个体素(即3D框），所有的点都是它们质心近似值。这种方法比用体素中心近似它们要慢一点，但是它更准确地表示了底层表面。 代码 首先，下载...
PCL(5)点云聚类 之 VoxelGrid体素采样与ApproximateVoxelGrid体素采样
qq_42827488的博客
01-12 2099
1 区别 1.1 原理 VoxelGrid体素采样,对点云进行体素化，创建一个三维体素栅格。在每个体素里面，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。 ApproximateVoxelGrid体素采样,对点云用每个体素栅格的中心点来近似该体素内的点，提升了速度，但是也损失了原始点云的局部形态精细度。 1.2 引用 1、VoxelGrid体素采样引入头文件： #include <pcl/filters/voxel_grid.h> Approximat
PCL之ExtractIndices通过分割算法提取部分点云数据子集
zhaoxr233的博客
06-14 2414
ExtractIndices通过分割算法提取部分点云数据子集的下标索引，代码过程步骤： 使用之前的体素栅格下采样方法进行下采样； SAC平面参数模型提取符合该几何模型的点云数据子集，再利用分割算法进行提取符合几何平面的点云数据子集； 利用negative变量可以提取相反的点云集剩余点云； 利用剩余点云作为待处理的点云，返回步骤2，进入下一轮循环，直到满足终止条件 // extractIn...
点云数据经过pcl::VoxelGrid降采样滤波后，点云呈爆炸状
weixin_30820151的博客
05-29 795
问题介绍： slam构建地图，先进行降采样，再进行可视化或存储。然而经过降采样后，代码没有报错的情况下，点云数据散成一团。将代码和点云数据展示如下， pcl::VoxelGrid<Lidar::PointType> voxel_filter; voxel_filter.setLeafSize(0.02, 0.02, 0.02); Lidar::PointCloudPtr...
Leaf size is too small for the input dataset. PCL Voxel Grid 问题
Morty 的挖坑记录
03-06 1万+
使用PCL中的Voxel Grid进行点云降采样等操作时，可能会出现如下问题： [pcl::VoxelGrid::applyFilter] Leaf size is too small for the input dataset. Integer indices would overflow 这往往是因为输入点云的尺寸过大，而leaf size太小，导致voxel indices数目不足以记录所...
pcl拟图片中所有直线的代码c++
05-28
以下是使用PCL C++实现的代码，用于检测点云中的所有直线： ```c++ #include <iostream> #include <pcl/point_types.h> #include <pcl/io/pcd_io.h> #include <pcl/filters/voxel_grid.h> #include <pcl/features/normal_3d.h> #include <pcl/segmentation/sac_segmentation.h> #include <pcl/visualization/pcl_visualizer.h> int main (int argc, char** argv) { pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>); pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered (new pcl::PointCloud<pcl::PointXYZ>); pcl::PointCloud<pcl::Normal>::Ptr cloud_normals (new pcl::PointCloud<pcl::Normal>); pcl::ModelCoefficients::Ptr coefficients (new pcl::ModelCoefficients); pcl::PointIndices::Ptr inliers (new pcl::PointIndices); pcl::SACSegmentationFromNormals<pcl::PointXYZ, pcl::Normal> seg; pcl::ExtractIndices<pcl::PointXYZ> extract; pcl::ExtractIndices<pcl::Normal> extract_normals; pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>); pcl::visualization::PCLVisualizer viewer("Detected Lines"); // Read in the cloud data pcl::PCDReader reader; reader.read<pcl::PointXYZ> ("cloud.pcd", *cloud); // Downsample the cloud using a Voxel Grid filter pcl::VoxelGrid<pcl::PointXYZ> vg; vg.setInputCloud (cloud); vg.setLeafSize (0.01f, 0.01f, 0.01f); vg.filter (*cloud_filtered); // Estimate point normals pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne; ne.setInputCloud (cloud_filtered); ne.setSearchMethod (tree); ne.setKSearch (50); ne.compute (*cloud_normals); // Create the segmentation object for the planar model and set all the parameters seg.setOptimizeCoefficients (true); seg.setModelType (pcl::SACMODEL_NORMAL_PLANE); seg.setNormalDistanceWeight (0.1); seg.setMethodType (pcl::SAC_RANSAC); seg.setMaxIterations (100); seg.setDistanceThreshold (0.03); seg.setInputCloud (cloud_filtered); seg.setInputNormals (cloud_normals); // Obtain the plane inliers and coefficients seg.segment (*inliers, *coefficients); // Extract the planar inliers from the input cloud extract.setInputCloud (cloud_filtered); extract.setIndices (inliers); extract.setNegative (false); pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_plane (new pcl::PointCloud<pcl::PointXYZ> ()); extract.filter (*cloud_plane); // Remove the planar inliers, extract the rest extract.setNegative (true); extract.filter (*cloud_filtered); extract_normals.setInputCloud (cloud_normals); extract_normals.setIndices (inliers); extract_normals.setNegative (false); pcl::PointCloud<pcl::Normal>::Ptr cloud_normals_plane (new pcl::PointCloud<pcl::Normal> ()); extract_normals.filter (*cloud_normals_plane); // Create the segmentation object for cylinder segmentation and set all the parameters seg.setOptimizeCoefficients (true); seg.setModelType (pcl::SACMODEL_CYLINDER); seg.setMethodType (pcl::SAC_RANSAC); seg.setNormalDistanceWeight (0.1); seg.setMaxIterations (10000); seg.setDistanceThreshold (0.05); seg.setRadiusLimits (0.01, 0.2); seg.setInputCloud (cloud_filtered); seg.setInputNormals (cloud_normals_plane); // Obtain the cylinder inliers and coefficients std::vector<pcl::ModelCoefficients> cylinder_coefficients; std::vector<pcl::PointIndices> cylinder_inliers; seg.segment (cylinder_inliers, cylinder_coefficients); // Draw the cylinder inliers in red for (size_t i = 0; i < cylinder_inliers.size (); i++) { pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_cylinder (new pcl::PointCloud<pcl::PointXYZ> ()); for (size_t j = 0; j < cylinder_inliers[i].indices.size (); j++) cloud_cylinder->push_back ((*cloud_filtered)[cylinder_inliers[i].indices[j]]); pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> red_color(cloud_cylinder, 255, 0, 0); viewer.addPointCloud<pcl::PointXYZ> (cloud_cylinder, red_color, "cylinder" + std::to_string(i)); } // Spin until the user closes the viewer viewer.spin(); return 0; } ``` 这个代码首先将点云数据读入内存，然后使用体素网格滤波器进行下采样。接着估计点的法线，并使用法线平面模型进行分割。然后使用法线面模型分割后的剩余点云数据，使用圆柱模型进行分割。最后将所有检测到的圆柱绘制在可视化窗口中。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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