取整函数以及体素化、栅格化、直方统计

几种取整方式

首先，取整函数常见三种：round,ceil,floor

分别对应为：四舍五入取整、向上取整、向下取整。

四舍五入取整比较常见，但用于区间统计问题时，通常需要向上或者向下取整。

区间统计，一维离散数据为例，比如存在一组数组x，统计其各个区间bins的分布数量，那么是不是需要对每个数据进行这样的区间判断呢？

if  x(i) > bins(j - 1) && x(i) <=  bins(j)

这种方法需要对每个变量遍历同时，对区间逐一遍历直至所属区间，在运算量上比较大；本文提出一种简易方式，遍历一次被统计数即可。

体素化

直接用三维数据的体素化举例，一二维离散数据的处理类比即可。

先解释一下：

• 栅格化，是将离散二维数据规整到指定区间、指定栅格尺寸的二维数组中；
• 体素化，即将离散三维数据投影到指定区间的三维数组中。

分享一段自己写的体素化代码：

function voxelData = voxelization(centralizedPointInfo,pointsNum,Roi,blockInfo)
% 功能：对点云数据投影到三维立体空间，即体素化
% centralizedPointInfo：入参，中心化之后的点云
% pointsNum：入参，点个数
% Roi：边界，防止出界的处理
% blockInfo：立体方块的尺寸信息
 
% centralizedPointInfo：出参，中心化之后的数据
% center：出参，质心
 
blockNum_x = floor((Roi.x_max - Roi.x_min) / blockInfo.size_x);
blockNum_y = floor((Roi.y_max - Roi.y_min) / blockInfo.size_y);
blockNum_z = floor((Roi.z_max - Roi.z_min) / blockInfo.size_z);
 
voxelData = zeros(blockNum_z,blockNum_y,blockNum_x);
 
for i = 1:pointsNum
    ind_x = ceil((centralizedPointInfo(i).x - Roi.x_min) / blockInfo.size_x);
    ind_y = ceil((centralizedPointInfo(i).y - Roi.y_min) / blockInfo.size_y);
    ind_z = ceil((centralizedPointInfo(i).z - Roi.z_min) / blockInfo.size_z);  
    if ind_x == 0 || ind_y == 0 || ind_z == 0 
       continue;
    end
    
    if ind_x < 1
       ind_x = 1; 
    end
    
    if ind_x > blockNum_x
       ind_x = blockNum_x; 
    end
    
    if ind_y < 1
       ind_y = 1; 
    end
    
    if ind_y > blockNum_y
       ind_y = blockNum_y; 
    end
    
    if ind_z < 1
       ind_z = 1; 
    end
    
    if ind_z > blockNum_z
       ind_z = blockNum_z; 
    end
    voxelData(ind_z,ind_y,ind_x) = voxelData(ind_z,ind_y,ind_x) + 1;
       
end
    
end

不同平台取整方式

回到向上向下取整问题，我们知道，在matlab中，数组索引从1开始；而在c语言中数组索引从0开始，而ceil代表向上取整（天花板）、floor代表向下取整（地板）。

那么对应于体素化等模块实现时，同一操作，在matlab中选择ceil向上取整，即可实现有效数据索引从1开始，在c代码中floor向下取整，即可实现有效数组从0开始。