Leaf size is too small for the input dataset. PCL Voxel Grid 问题

使用PCL中的Voxel Grid进行点云降采样等操作时,可能会出现如下问题:

[pcl::VoxelGrid::applyFilter] Leaf size is too small for the input dataset. Integer indices would overflow
这往往是因为输入点云的尺寸过大,而leaf size太小,导致voxel indices数目不足以记录所有的voxels,导致溢出

出错的代码如下

//------------------------ Sample ---------------------------------------------
cout << "cloud size " << cloud->size() << endl;
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
if (cloud->size() > 10000)
{
    pcl::VoxelGrid<pcl::PointXYZ> sor;
    sor.setInputCloud(cloud);
    sor.setLeafSize(0.1f, 0.1f, 0.1f);
    sor.filter(*cloud_filtered);
}
cout <<endl<< "filtered cloud size" << cloud_filtered->size()<<endl;

输出:

可以看出点云并没有被降采样,integer indices溢出这也许是PCL indices类型定义的问题,但如果要改类型定义可能比较麻烦

解决方案:
1. 如果没有特殊要求,直接加大leaf size即可,如上代码将0.1f改为10.0f即可正确运行
2. 如果leaf size有要求,可以考虑将初始点云分割成几个部分,分别进行voxel grid操作
3. 如果初始点云不方便分割,可以考虑使用 OctreeVoxelGridFilter 代替,详细用法可以参考PCL官网及论坛

测试点云可以查看,musematics的资源-点云测试数据(不平整平面)
https://download.csdn.net/download/rocachilles/10974763

  • 9
    点赞
  • 43
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
### 回答1: 这个错误提示表示PCL(点云库)中voxelgrid滤波器应用时,设定的体素大小(即leaf size)太小了,无法处理输入的点云数据集。voxelgrid滤波器是将点云数据划分为等大小的体素,再以每个体素中的点云数据平均值作为这个体素的代表点,从而将点云数据以一定精度压缩。 如果设定的体素大小太小,就会导致使用这个滤波器时,每个体素中的点云数据太少,无法平均出较为准确的代表点,最终导致程序无法处理。解决方法是增加体素大小或者减小输入数据集的数量,使得每个体素中的点云数据足够多。 需要注意的是,过大的体素大小会减少点云数据的精度,影响后续处理的效果。因此在使用voxelgrid滤波器时需要合理设定体素大小,权衡处理效率和处理精度。 ### 回答2: 这段话的意思是,输入数据集的叶子大小(Leaf size)太小了,无法应用 pcl::voxelgrid::applyfilter 过滤器。PCL(点云库)中的 voxelgrid 过滤器可以将点云离散化,即将点云分为许多方格,每个方格里只保存一个点云。这样做可以提高点云处理的效率和减少内存占用。叶子大小则是定义方格的大小,可以通过设置不同的值来调整离散化的粒度。 但是,如果叶子大小设置得太小,输入数据集中可能会存在许多重复的点云,导致离散化后得到的方格数过多,进而影响处理效率和内存占用。因此,当提示“leaf size is too small for the input dataset”时,我们需要增加叶子大小的值,来适配输入数据集的大小和特征,以达到更好的处理效果。 ### 回答3: 这个错误信息意思是,pcl::voxelgrid::applyfilter中设置的叶子大小过小,不适用于输入数据集。PCL是一个开源的点云处理库,其中voxelgrid::applyfilter用于对点云进行降采样,把点云分割成规则的网格。在使用该函数时,需要设定叶子大小,即每个体素(三维网格单元)的大小,叶子大小越小,输出的点云精度就越高,但同时也会导致处理时间和内存占用增加。 如果出现上述错误,说明叶子大小设置过小,导致输入数据集的点密度和点数无法适应处理。解决方法是调整叶子大小,增大叶子大小可以降低点云精度,但能满足处理需求,减少内存占用和处理时间。如果输入数据点云的分辨率非常高,可以考虑使用其他的降采样算法,如聚类采样(pcl::RandomSample)或基于网格滤波(pcl::GridMinimum)的降采样方法。在使用任何算法前,需要了解输入点云的特征和处理需求,选取适当的算法和参数进行处理,以达到最佳效果。
评论 11
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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