VoxelGrid 滤波器

最新推荐文章于 2024-08-28 10:19:49 发布

Ming Xu

最新推荐文章于 2024-08-28 10:19:49 发布

阅读量440

点赞数

分类专栏： PCL 点云处理

本文链接：https://blog.csdn.net/weixin_43862398/article/details/117331029

版权

PCL 点云处理专栏收录该内容

14 篇文章 1 订阅

订阅专栏

该博客介绍了如何利用PCL库中的VoxelGrid滤波器对点云数据进行下采样，以减少点的数量同时保持形状特征。通过设置体素大小为1cm³，对点云进行过滤处理，然后将处理后的点云保存到新的PCD文件中，从而提高后续算法的效率。

摘要由CSDN通过智能技术生成

//
// Created by xuming on 21-5-27.
//

#include <iostream>
#include <pcl-1.11/pcl/io/pcd_io.h>
#include <pcl-1.11/pcl/point_types.h>
#include <pcl-1.11/pcl/filters/voxel_grid.h>
#include<eigen3/Eigen/Core>


/*!
 * 使用 VoxelGrid 滤波器对点云进行下采样
 * 使用体素化网格方法实现下采样, 即减少点的数量减少点云数据，并同时保持点云的形状特征,提高配准、曲面重建、
 * 形状识别等算法速度，　PCL 实现的 VoxelGrid 类通过输入点云数据创建一个三维体素内用体素中所有点的重心
 * 重心显示体素中其它点，这样该体素就内所有点就用一个重心点最终来表示, 对于所有体素处理后得到过滤后的电源，
 * 这种方法比体素中心来逼近的方法要慢，但是它对与于采样点对应曲面的标示更为准确.
 *
 *
 */
int main()
{
    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;
    // 把路径改为自己存放的路径
    reader.read("table_scene_lms400.pcd",*cloud);

    std::cout << "PointCloud before filtering: "
              << cloud->width * cloud->height
              << " data points ("
              << pcl::getFieldsList (*cloud)
              << ")."
              << std::endl;

    // 接下来创建一个叶子为 1cm 的 pcl::VoxelGrid 滤波器

    pcl::VoxelGrid<pcl::PointXYZ> sor;      // 创建体素滤波对象
    sor.setInputCloud(cloud);               // 设置需要过滤点云给滤波对象
    sor.setLeafSize(0.01f, 0.01f, 0.01f);   // 设置滤波时创建体素体积为 1cm^3 的立方体
    sor.filter(*cloud_filtered);            // 执行滤波处理，存储输出 cloud_filtered

    std::cout << "PointCloud after filtering: "
              << cloud_filtered->width * cloud_filtered->height
              << " data points ("
              << pcl::getFieldsList (*cloud_filtered)
              << ")."
              << std::endl;

    // 最后将点云写入磁盘并输出
    pcl::PCDWriter writer;
    writer.write("table_scene_lms400_downsampled.pcd", *cloud_filtered, false);

    return 0;
}