PCL 点云索引提取器

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 根据索引提取点云

2.1.2 可视化函数

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

        根据索引提取点云子集 是在点云处理中常见的操作之一。PCL 提供了pcl::ExtractIndices 类，允许从点云中提取指定索引的点，形成一个新的子集点云。这种方法特别适用于从计算结果中提取感兴趣的点集，或者去除不需要的点。

1.1原理

        通过提供点云中某些点的索引，可以提取这些索引对应的点形成一个子集。PCL 的 ExtractIndices 类会根据输入的索引提取指定点，同时可以选择是保留还是去除这些点。

1.2实现步骤

1. 读取点云数据。
2. 定义要提取的索引（如通过计算或手动指定）。
3. 使用 pcl::ExtractIndices 提取对应的点云子集。
4. 可视化提取结果。

1.3应用场景

1. 提取感兴趣区域：通过索引提取特定的感兴趣区域进行后续处理。
2. 噪声去除：去除或提取某些噪声点。
3. 子集操作：在点云处理过程中提取某些区域，进行细粒度操作。

二、代码实现

2.1关键函数

2.1.1 根据索引提取点云

使用 pcl::ExtractIndices 类来从点云中提取指定索引的点。

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/extract_indices.h>

// 根据索引提取点云子集
pcl::PointCloud<pcl::PointXYZ>::Ptr extractSubsetByIndices(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 输入点云
    const std::vector<int>& indices             // 要提取的索引
)
{
    // 创建索引对象
    pcl::PointIndices::Ptr indices_ptr(new pcl::PointIndices);
    indices_ptr->indices = indices;

    // 创建提取对象
    pcl::ExtractIndices<pcl::PointXYZ> extract;
    extract.setInputCloud(cloud);                // 设置输入点云
    extract.setIndices(indices_ptr);             // 设置要提取的索引
    extract.setNegative(false);                  // false 表示提取指定索引的点

    // 提取后的点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr extracted_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    extract.filter(*extracted_cloud);            // 执行提取操作

    return extracted_cloud;                      // 返回提取的子集点云
}

2.1.2 可视化函数

#include <pcl/visualization/pcl_visualizer.h>

// 可视化点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,           // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr subset_cloud     // 子集点云
)
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Point Cloud Viewer"));

    // 创建视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);   // 白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> original_color(cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud(cloud, original_color, "original_cloud", vp_1);

    // 创建视口2，显示子集点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 右侧窗口
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);  // 浅灰色背景
    viewer->addText("Subset PointCloud", 10, 10, "vp2_text", vp_2);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> subset_color(subset_cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud(subset_cloud, subset_color, "subset_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, "subset_cloud", vp_2);

    // 启动可视化循环
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }
}

2.2完整代码

// C++头文件
#include <iostream>
// PCL头文件
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/extract_indices.h>
#include <pcl/visualization/pcl_visualizer.h>

// 根据索引提取点云子集
pcl::PointCloud<pcl::PointXYZ>::Ptr extractSubsetByIndices(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 输入点云
    const std::vector<int>& indices             // 要提取的索引
)
{
    // 创建索引对象
    pcl::PointIndices::Ptr indices_ptr(new pcl::PointIndices);
    indices_ptr->indices = indices;

    // 创建提取对象
    pcl::ExtractIndices<pcl::PointXYZ> extract;
    extract.setInputCloud(cloud);                // 设置输入点云
    extract.setIndices(indices_ptr);             // 设置要提取的索引
    extract.setNegative(false);                  // false 表示提取指定索引的点

    // 提取后的点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr extracted_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    extract.filter(*extracted_cloud);            // 执行提取操作

    return extracted_cloud;                      // 返回提取的子集点云
}

// 可视化点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,           // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr subset_cloud     // 子集点云
)
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Point Cloud Viewer"));

    // 创建视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);   // 白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> original_color(cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud(cloud, original_color, "original_cloud", vp_1);

    // 创建视口2，显示子集点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 右侧窗口
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);  // 浅灰色背景
    viewer->addText("Subset PointCloud", 10, 10, "vp2_text", vp_2);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> subset_color(subset_cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud(subset_cloud, subset_color, "subset_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, "subset_cloud", vp_2);

    // 启动可视化循环
    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>);
    if (pcl::io::loadPCDFile("bunny.pcd", *cloud) == -1)
    {
        PCL_ERROR("Couldn't read the file\n");
        return -1;
    }

    // 定义前 1000 个点的索引
    std::vector<int> indices;
    for (int i = 0; i < std::min(1000, static_cast<int>(cloud->points.size())); ++i)
    {
        indices.push_back(i);
    }

    // 根据索引提取点云子集
    pcl::PointCloud<pcl::PointXYZ>::Ptr subset_cloud = extractSubsetByIndices(cloud, indices);

    // 可视化原始点云和子集点云
    visualizePointClouds(cloud, subset_cloud);

    return 0;
}

三、实现效果

提取前1000个点