一种方便快捷的点云随机下采样实现方法（借助C++11相关特性）

于 2023-12-03 10:11:38 发布
阅读量426 收藏 6
点赞数 8
分类专栏： 激光点云数据处理 文章标签： 人工智能
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_48694523/article/details/134761003
版权

目录

一、相关介绍

二、实现流程

三、实现代码

四、运行结果

一、相关介绍

        点云下采样是对点云以一定的采样规则重新进行采样，目的是在保证点云整体几何特征不变的情况下，降低点云的密度，进而可以降低相关处理的数据量和算法复杂度。

二、实现流程

        （1）首先借助std::random_device类用于生成随机数；

        （2）然后借助std::mt19937，是伪随机数产生器，用于产生高性能的随机数，在C++11之后引入；

        （3）使用std::uniform_int_distribution随机生成一个整数i，根据分布概率函数P(i|a,b)=\frac{1}{b-a+1}均匀分布在一个闭区间[a,b]；

        （4）然后根据点云索引保存对应点即可，可以使用点云以及百分比两种方式。

三、实现代码

了解本专栏 订阅专栏 解锁全文 超级会员免费看
点云处理
关注
  • 8
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
PCL：随机下采样
m0_71596228的博客
04-20 85
随机下采样（Random Sampling）是点云处理中常用的一种技术，用于减少点云数据量以提高处理效率或降低计算复杂度。该技术通过随机选择点云中的部分点来创建一个子集，从而实现数据的降采样。应用场景：在点云数据较大时，为了减小数据体积和加快处理速度，可以使用随机下采样来减少数据量。在某些应用中，对点云数据进行全面处理可能会导致计算量过大，随机下采样可以用来降低数据量，从而提高处理速度。在一些特征提取任务中，如表面曲率估计等，可以先对点云进行随机下采样，然后再提取特征，以降低计算复杂度。
来用C++实现八叉树以及解决点云的均匀降采样问题
weixin_42048023的博客
10-29 2161
点云降采样
体素栅格对点云下采样（从基础写起）——源码解析C++
weixin_44494725的博客
11-20 3833
一、前言 所谓下采样是对点云的一种滤波，目的是减少点云数目由尽可能保持点云原有状态，从而减少计算量。 所谓体素栅格是将点云空间划分为一个个极小的格子，格子里包含几个点。 对体素栅格里面的点取平均或者加权平均，得到一个点，代替原来的几个点。 显然，栅格选的越大，滤波后点云点数越少，速度快，但是会对原来的点云过度模糊; 栅格选的越小，作用反之。 二、代码实现 输入点云pc，提前计算好点云的包围盒子（三...
点云采样
weixin_45748803的博客
10-23 1762
原文链接 点云采样分类 点云采样的方法有很多种，常见的有均匀采样，几何采样，随机采样，格点采样等。下面介绍一些常见的采样方法。 格点采样 格点采样，就是把三维空间用格点离散化，然后在每个格点里采样一个点。具体方法如下： 创建格点：如中间图所示，计算点云的包围盒，然后把包围盒离散成小格子。格子的长宽高可以用户设定，也可以通过设定包围盒三个方向的格点数来求得。 每个小格子包含了若干个点，取离格...
C++下使用Open3D对点云随机采样
qq_44849479的博客
06-26 210
C++下使用Open3D对点云随机采样
基于正态分布的点云离群点检测算法和基于VoxelGrid的点云下采样算法的完整版（C++实现）
pcb931126的博客
10-03 1548
/*------------------------------------- 1.基于正态分布的点云离群点检测算法 2.基于VoxelGrid的点云下采样算法 3.作者：pcb 4.日期：2018.10.3 --------------------------------------*/ #include <iostream> #include <fstream> #i...
Open3D：点云数据合并、下采样/抽稀（C++）
累了就要打游戏
09-13 3838
//数据合并 void testOpen3D::pcCombine(const QString &pcPath1,const QString &pcPath2) { auto cloud_ptr = std::make_shared<open3d::geometry::PointCloud>(); if (!open3d::io::ReadPointCloud(pcPath1.toStdString(), *cloud_ptr)) { return; } open3d::.
pcd格式点云归一化的C++实现，借助PCL点云库
03-20
点云预处理：点云预处理包括数据清洗、去噪、滤波、下采样等操作，旨在消除噪声和冗余 点云重建：在点云重建任务中，点云归一化可以消除物体之间的尺度差异，使得重建结果更加准确和可靠。 综上所述，点云归一化是...
一种结合使能控制的采样钟同步实现方法
01-20
摘要：许多通信场景中调制信号不能完全满足过零特性，常用检测方法都不能直接应用，为了解决这个问题，采用了一种结合使能控制的采样钟同步方法。通过使能信号控制环路中的Gardner定时误差检测模块，达到环路收敛的...
模拟技术中的一种结合使能控制的采样钟同步实现方法
10-20
本文探讨的是一种在模拟技术中结合使能控制的采样钟同步实现方法，适用于解决通信场景中调制信号不满足过零特性的挑战。在数字通信接收机中，由于固定频率晶振的频率误差，采样钟恢复环路是至关重要的。文章中提到，...
点云分割-实现Ransac随机采样算法分割地面点云-优质项目实战.zip
最新发布
02-18
RANSAC算法是一种估计模型参数的有效方法，它主要用于处理包含噪声和异常值的数据。在点云分割场景中，RANSAC通常用来找到一个最佳拟合平面，这个平面代表地面点云。算法的工作原理是通过随机选取小部分点（基础集）...
降采样C函数
11-24
图像降采样C函数。测试可用，图像格式为.raw
基于ROS的激光点云处理（点云降采样、欧式聚类分割的目标检测、地面拟合分割）
01-08
完整的ROS工程，针对激光点云数据，可以实现点云降采样处理、基于欧氏距离聚类分割的目标检测和地面拟合分割算法。可以直接使用。
learning_to_sample:一种针对点云的学习采样方法（CVPR 2019）
05-01
我们提出了一种针对点云的学习型采样方法。 请参阅我们的。 处理大点云是一项艰巨的任务。 因此，通常会将数据采样到可以更轻松地处理的大小。 问题是如何对数据进行采样？ 一种流行的采样技术是最远点采样（FPS）...
随机采样算法(从N个数中抽取M个数) C++
跟随内心的渴望
08-13 3645
#include <iostream> #include <algorithm> #include <iterator> #include <vector> //假设这n个数的序号依次为0,1,2,...,n-1,数组名为num void knuth1(std::vector<int> pNum, int m, int n) { srand((unsigned int)time(0)); for (int i = 0; i < n; i.
【C++】PCL对大容量点云进行体素降采样
体会编程语言独到的美
12-23 2266
PCL对大容量点云进行体素降采样，解决[pcl::VoxelGrid::applyFilter] Leaf size is too small for the input dataset. Integer indices would overflow类错误。VoxelGrid高级用法
Open3D(C++) 随机下采样
点云侠的博客
07-11 532
  输入下采样的比率，输出指定采样比率的采样点云。
点云降采样
sharemon的博客
08-16 4775
最近在做ICP点云配准，但是点云点数实在太太太多了，ICP完全跑不动啊。 先做个降采样吧： // % 计算出点云的范围 minX = min(total(:,1)); minY = min(total(:,2)); minZ = min(total(:,3)); maxX = max(total(:,1)); maxY = max(total(:,2)); maxZ = max(total(:,3...
从随机数生成到随机采样的C++实现
10-17 6502
随机数的妙用：[上回书](http://blog.csdn.net/lanchunhui/article/details/49123823)说到的关于用蒙特卡洛方法进行一些数值计算（比如pi的逼近、特殊几何图像面积（存在解析解）的计算），都还是随机数较为间接的应用（也就是我所说的，将随机数转换为一种均匀分布的概率表现），这节我们考察随机数更为直接的应用，那就是随机采样。
matlab 点云随机下采样
05-15
MATLAB中可以使用`pcdownsample`函数进行点云的随机下采样。该函数的使用方法如下： ```matlab ptCloud = pcread('input.ply'); % 读入点云数据 downsampled = pcdownsample(ptCloud,'random',0.5); % 随机下采样，下采样率为0.5 pcwrite(downsampled,'output.ply'); % 将结果写入输出文件 ``` 其中，`pcdownsample`函数的第一个参数为待下采样的点云数据，第二个参数为下采样方式，这里选择的是随机下采样(`'random'`)。第三个参数为下采样率，这里选择的是0.5，表示下采样后的点云密度为原始点云的50%。下采样后的点云数据可以通过`pcwrite`函数将结果保存到输出文件中。

“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 1
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

点云处理

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