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(