目录
PCL点云算法汇总及实战案例汇总的目录地址链接:
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
- 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。
- 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。
- 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
- 读取点云数据。
- 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。
- 对点云进行降采样,保存并可视化结果。
1.3应用场景
- 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。
- 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。
- 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;
}