PCL_Tutorial2-4.4.1.1-点云基于体素的降采样

介绍

Resampling

重采样意味着通过减少（下采样）或增加（上采样）来更改云的点数。 正如我们将看到的，两者都有目的。

Downsampling

像Kinect或Xtion这样的传感器会产生具有307200（640x480）点的云。 新的Kinect已经可以在更高的分辨率下工作。 如果我们要在云的每个点上执行简单的操作，则将是O（n），n是点数。 如果必须将每个点与它的k个最邻近点进行比较，则该点将为O（nk）。 到现在，您可能已经注意到，我向您展示的某些算法需要花费几秒钟才能在PC上运行。 您现在知道为什么了。
重采样意味着通过减少（下采样）或增加（上采样）来更改云的点数。 正如我们将看到的，两者都有目的。
另一种选择是降低云的复杂性，即删除该用途不需要的所有点。 有几种方法可以做到这一点。 您可以从云中修剪所有离群值，然后执行分割以仅提取您感兴趣的部分。 常见的操作也是下采样，这将为您带来一片云，尽管它的得分更少，但从所有意图和目的来看，它都等于原始云。
下采样通过体素化完成。 八叉树部分中解释了体素。 云以所需的分辨率分为多个立方体形区域。 然后，处理每个体素内的所有点，因此仅剩下一个。 最简单的方法是随机选择其中一个，但更准确的方法是计算质心，质心是坐标，该坐标是属于体素的所有点的平均值。
如果使用合理的参数，则降采样将产生足够精确的结果，以降低CPU功耗为代价。

代码详解

#include <pcl/io/pcd_io.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/visualization/cloud_viewer.h> 
int
main(int argc, char** argv)
{
   
	// Objects for storing the point clouds.
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::PointCloud<pcl::PointXYZ>::Ptr filteredCloud(