前言
数据的海量性始终是点云处理时需要面临的一个大问题,严重的时间消耗和内存占用影响了点云处理的发展,当然了,点云数量主要应该看项目的实际需求,若是对细节要求较高,那么点云数量不可过少,但是要求过低时,我们就可以及时地减少点云数量,满足大概要求即可,提升效率为主。这里我们将学习如何使用提速化网格的方法来减少点云数据集的样本数量,也就是减少点数。
一、概述
VoxelGrid 类将在输入点云数据上创建一个3D 体素网格(将体素网格想象为空间中一组微小的3D 盒子)。然后,在每个体素(即,3D 盒) ,所有的点存在将近似(即,下采样)于他们的质心。这种方法比用体素的中心来近似它们要慢一些,但是它能更准确地表示点云表面。抽稀后保留的点还是原始点云中的那些对应点,并没有新的点产生。
(阅读论文的时候,会看到有人叫体素,有人叫体元,有人叫三维网格,都是一样的东西,叫体素可能更好一些个人感觉,因为这样就和二维的像素对应起来了哈哈)
二、算法实现
1.代码
代码如下(示例):
#include <iostream>