PCL 最小点数约束的VoxelGrid体素滤波

目录

一、概述

1.1原理

1.2实现步骤

1.3应用场景

二、代码实现

2.1关键函数

2.1.1 体素滤波

2.1.2 可视化

2.2完整代码

三、实现效果

---

PCL点云算法汇总及实战案例汇总的目录地址链接：

PCL点云算法与项目实战案例汇总（长期更新）

---

一、概述

        最小点数约束的VoxelGrid体素滤波 是对普通的体素滤波进行扩展，增加了一个额外的约束：每个体素内的点数必须达到某个最小值，否则会调整体素大小以满足要求。这种方法可以帮助我们在降采样的过程中保留更多的信息，避免由于某些体素中的点过少而丢失关键细节。

1.1原理

1. 体素滤波：将点云划分为固定大小的体素网格，在每个体素中选择一个代表点进行保留。
2. 最小点数约束：对于每个体素，如果点数少于给定的最小值，则跳过该体素或者调整体素大小，以确保体素中包含足够多的点。
3. 自适应调整体素：通过这种方式，我们可以在保证体素中信息密度的前提下进行降采样。

1.2实现步骤

1. 读取点云数据。
2. 使用 pcl::VoxelGrid 对点云进行体素滤波，设置体素大小和最小点数约束。
3. 对点云进行降采样，保存并可视化结果。

1.3应用场景

1. 点云降采样：用于减少点云数据量，同时保持较高的信息保留率。
2. 3D扫描数据优化：提高3D扫描数据的降噪效果，避免丢失重要的几何信息。
3. 精细物体的表面处理：在处理精细物体的表面时，保证关键点不被滤除。

二、代码实现

2.1关键函数

2.1.1 体素滤波

#include <pcl/filters/voxel_grid.h>

// 使用体素滤波并设置最小点数约束
void applyVoxelGridWithMinPoints(
    pcl::PointCloud<pcl::PointXYZ>::Ptr input_cloud,
    pcl::PointCloud<pcl::PointXYZ>::Ptr output_cloud,
    Eigen::Vector4f leaf_size,
    int min_points_per_voxel)
{
    pcl::VoxelGrid<pcl::PointXYZ> voxel_grid_filter;
    voxel_grid_filter.setInputCloud(input_cloud);
    voxel_grid_filter.setLeafSize(leaf_size);  // 设置体素大小
    voxel_grid_filter.setMinimumPointsNumberPerVoxel(min_points_per_voxel);  // 设置每个体素内的最小点数
    voxel_grid_filter.filter(*output_cloud);  // 执行体素滤波
}

2.1.2 可视化

#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和滤波后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud)
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("VoxelGrid Filter Visualization"));

    // 设置视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);  // 设置白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color(cloud, 255, 0, 0);  // 原始点云红色
    viewer->addPointCloud(cloud, cloud_color, "original_cloud", vp_1);

    // 设置视口2，显示滤波后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);  // 设置浅灰色背景
    viewer->addText("Filtered PointCloud", 10, 10, "vp2_text", vp_2);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> filtered_color(filtered_cloud, 0, 255, 0);  // 过滤后的点云绿色
    viewer->addPointCloud(filtered_cloud, filtered_color, "filtered_cloud", vp_2);

    // 设置点的大小
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "filtered_cloud", vp_2);

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }
}

2.2完整代码

#include <iostream>
#include <pcl/io/pcd_io.h>  // PCD文件读取和保存
#include <pcl/point_types.h>  // 点云类型定义
#include <pcl/filters/voxel_grid.h>  // VoxelGrid体素滤波
#include <pcl/visualization/pcl_visualizer.h>  // 可视化库
#include <boost/thread/thread.hpp>  // 线程库

using namespace std;



// 体素滤波函数
void applyVoxelGridWithMinPoints(
    pcl::PointCloud<pcl::PointXYZ>::Ptr input_cloud,
    pcl::PointCloud<pcl::PointXYZ>::Ptr output_cloud,
    Eigen::Vector4f leaf_size,
    int min_points_per_voxel)
{
    pcl::VoxelGrid<pcl::PointXYZ> voxel_grid_filter;
    voxel_grid_filter.setInputCloud(input_cloud);
    voxel_grid_filter.setLeafSize(leaf_size);  // 设置体素大小
    voxel_grid_filter.setMinimumPointsNumberPerVoxel(min_points_per_voxel);  // 设置每个体素内的最小点数
    voxel_grid_filter.filter(*output_cloud);  // 执行体素滤波
}

// 可视化函数
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud)
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("VoxelGrid Filter Visualization"));

    // 设置视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);  // 设置白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color(cloud, 255, 0, 0);  // 原始点云红色
    viewer->addPointCloud(cloud, cloud_color, "original_cloud", vp_1);

    // 设置视口2，显示滤波后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);  // 设置浅灰色背景
    viewer->addText("Filtered PointCloud", 10, 10, "vp2_text", vp_2);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> filtered_color(filtered_cloud, 0, 255, 0);  // 过滤后的点云绿色
    viewer->addPointCloud(filtered_cloud, filtered_color, "filtered_cloud", vp_2);

    // 设置点的大小
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "filtered_cloud", vp_2);

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }
}
int main(int argc, char** argv)
{
    // 读取点云数据
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PCDReader reader;
    reader.read("bunny.pcd", *cloud);  // 加载PCD文件
    cout << "PointCloud before filtering: " << cloud->size() << " points" << endl;

    // 体素滤波并设置最小点数约束
    Eigen::Vector4f leaf_size{ 0.01, 0.01, 0.01, 0 };  // 设置体素大小
    int min_points_per_voxel = 10;  // 每个体素中最少需要包含的点数
    applyVoxelGridWithMinPoints(cloud, cloud_filtered, leaf_size, min_points_per_voxel);

    cout << "PointCloud after filtering: " << cloud_filtered->size() << " points" << endl;

    // 保存滤波后的点云
    pcl::PCDWriter writer;
    writer.write<pcl::PointXYZ>("filtered_bunny.pcd", *cloud_filtered, false);

    // 可视化原始点云和滤波后的点云
    visualizePointClouds(cloud, cloud_filtered);

    return 0;
}

三、实现效果