PCL 快速均匀采样

已于 2022-01-21 10:55:22 修改
阅读量4.4k 收藏 3
点赞数 1
分类专栏： PCL学习 文章标签： 算法 c++ 计算机视觉 3d
于 2022-01-21 10:10:09 首次发布
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_36686437/article/details/122615400
版权

快速均匀采样

一、算法概述

  PCL库中的均匀采样算法pcl::UniformSampling是对点云进行体素化，然后用每个体素内体素质心的最近邻点来代替体素内所有的点进行采样的。这种方法需要对每个体素中的点进行均值计算，额外的计算量导致算法在处理大场景点云时效率不高。
  针对该算法的不足，本博客实现每every_k_points个点，采样一个点。

二、代码实现

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/filters/extract_indices.h>
了解本专栏 订阅专栏 解锁全文
点云侠
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
PCL 均匀采样
点云侠的博客
07-06 41万+
根据输入点云数据创建一个微小的三维立方体集合，然后计算每个三维立方体的重心；由于该重心点不一定是原始点云中的点，直接用该点来表示立方体内所有的点会丢失原始点云的细小特征；所以使用k最近邻搜索寻找距离重心点最近的原始点来代替重心点。
PCL算子总结 .docx
09-08
PCL提供了`pcl::RandomSample`或`pcl::UniformSampling`类来进行均匀采样。在处理大点云时，这可以有效地减少数据量，但同样需要注意采样间隔的选择，以保持关键信息的完整性。 4. **统计滤波**： 统计滤波器如`...
PCL均匀采样
com1098247427的博客
10-22 379
均匀采样
PCL中常用的高级采样方法
最新发布
weixin_68094467的博客
04-15 876
我们在使用PCL时候，常常不满足于常用的降采样方法，这个时候我们就想要借鉴一些比较经典的高级采样方法。这一讲我们将对常用的高级采样方法进行汇总，并进行整理，来方便读者完成使用。
PCL入门系列 —— VoxelGrid体素栅格降采样
工业机器视觉
04-28 1648
在进行点云数据处理时，如果输入的点云数据量过大，会导致整体处理流程非常耗时，这时可以通过对点云数据进行降采样将数据量减少，加快运行速度； 体素栅格采样在采样后，依然能保持点云数据的整体几何结构，而且通过设置最小内点数量，还能起到滤波的效果；...
PCL均匀采样滤波
生活如此美好，致敬每一个热爱“热爱”的人！
08-20 2775
均匀采样滤波器（下采样）： 均匀采样滤波基本上等同于体素滤波器，但是其不改变点的位置。下采样后，其点云分布基本均匀，但是其点云的准确度要好于体素滤波，因为没有移动点的位置。 均匀采样算法：均匀采样通过构建指定半径的球体对点云进行下采样滤波，将每一个球内距离球体中心最近的点作为下采样之后的点输出。 体素滤波是建立立方体，均匀采样是建立一个球 总而言之，调用pcl库相关函数就可以对点云进行滤波操作了。 #include <iostream> #include <pcl/point
聊一聊点云PCL中常用的高级采样方法
CV_Autobot的博客
01-17 2278
作者|敢敢のwings 编辑| 古月居点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【多传感器融合】技术交流群后台回复【多传感器融合综述】获取图像/激光雷达/毫米波雷达融合综述等干货资料！0. 简介我们在使用PCL时候，常常不满足于常用的降采样方法，这个时候我们就想要借鉴一些比较经典的高级采样方法。这一讲我们将对常用的高级采样方法进行汇总，并进行整理...
PclSharp1.12.0--均匀采样
swmyaopeng的博客
03-04 540
PclSharp--均匀采样
PCl点云滤波(1)直通滤波、体素滤波、均匀采样、统计滤波
柚子的博客
09-15 341
流程：读入点云->创建直通滤波器->设置滤波字段->执行->保存并可视化。
点云库PCL各函数模块学习
10-12
*UniformSampling：均匀采样算法，用于降采样点云。 *VoxelGrid：体素格网算法，用于降采样点云。 关键点检测 PCL提供了多种关键点检测算法，包括： *ISS（Intrinsic Shape Signatures）：固有形状签名算法，用于...
pcl-pcl-1.11.0.zip
05-31
6. **配准**：点云配准是将两个或多个点云对齐的过程，PCL提供了全局和局部的配准方法，如ICP（迭代最近点）、NDT（非均匀密度变换）等。 7. **表面重建**：PCL可以将点云数据转化为网格模型（如三角网），便于进行...
基于pcl1.8.1点云读取,处理,重建整合的一个dll库
01-18
//******** cloud均匀采样处理 ********// extern "C" int __stdcall ZSY3DBalanceSampling(float radiusSearch = 0.01f); //******** cloud增采样处理 ********// extern "C" int __stdcall ZSY3DIncreaseSampling...
空间三维点云分割与重建
07-20
例如，Voxel Grid滤波器可以将点云数据降维到更低分辨率，Poisson Disk Sampling用于均匀采样点云，Normal Estimation用于计算每个点的法线方向，这些都对后续的分割和重建有重要影响。 PCL还提供了许多用于特征...
均匀采样问题总结
子宽的专栏
10-16 7393
摘要 均匀采样问题是图形学中常遇到的一类问题，这类问题的描述如下： 如何用[0,1]之间的均匀采样获得在xxx上的均匀采样？ 其中，xxx可以是圆盘、球面、球体等。我们可以利用的只有[0,1]之间的均匀采样，这个可以通过程序的伪随机实现。 总的来说，这类问题有着类似的思路和解决方案，都可以利用概率论知识一步步推导出来。本文将介绍相关方法，并给出几个常用的示例。 理论 概率论知识回顾 注：如果基础比较扎实，可以直接跳到求解思路 累积分布函数 随机变量XXX的累积分布函数（cumulative distribu
无序点云下采样方法
Scarlett的博客
06-19 282
UniformSampling 算法则是一种基于随机性质的下采样方法，它同样会将点云数据划分为一个个立方体体素，并在每个体素内随机选择一个点作为采样结果。与VoxelGrid不同的是，UniformSampling中的体素大小是由用户设置的搜索半径决定的，例如0.05m。它将点云数据划分为一个个大小相同的立方体体素，例如 0.05m×0.05m×0.05m，并对每个体素内的点进行处理。由于 VoxelGrid 算法是基于体素网格化的，其采样结果可能会在空间上出现较大的间隙，无法完全保留原始点云的分布特征。
pclpy 体素滤波
m0_51204289的博客
09-29 411
使用python实习PCL中的VoxelGrid滤波
PCL中UniformSampling和VoxelGrid的区别
3D的博客
01-12 870
均匀下采样(UniformSampling) 代码中的描述如下： /** \brief @b UniformSampling assembles a local 3D grid over a given PointCloud, and downsamples + filters the data. * * The @b UniformSampling class creates a *3D voxel grid* (think about a voxel * grid as a
PCL：UniformSampling 点云均匀下采样
孙悟空
08-31 3737
本文介绍了 PCL 点云均匀下采样的方法。
PCL：实现均匀采样（附完整源码）
希望我的博客，能帮上你解决学习中工作中所遇到的问题
10-07 169
PCL：实现均匀采样（附完整源码）
c++ pcl 均匀点云采样处理 给出代码及原理
06-08
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。

“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

打赏作者

点云侠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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