//
// 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;
}
VoxelGrid 滤波器
最新推荐文章于 2024-08-28 10:19:49 发布
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