1.原理
将整体点云体素化为一个三维体素栅格,使用每个体素栅格的质心点近似代表该体素块。
(1)对点云按照输入的立方体进行体素化处理,将所有的点云点分布进一个一个的小体素块中。
(2)计算每个体素块的质心点(注意要区别于体素滤波计算中心点)。
(3)所有计算出的体素块质心点组成组成新的点云点,合并得到最终结果。
如何理解体素化:如下图,将整体点云体素化为多个小体素块,用一个个正方形的小块代表该范围内的点云。
2.使用场景
抽稀:体素滤波使用最多,需要掌握。
工作中往往都使用体素滤波;体素滤波可以在抽稀的同时,保持点云的原始形态,并且速度也较快。
3.注意事项
PCL中,计算质心点的函数为
Eigen::Vector4f centroid; // 质心
pcl::compute3DCentroid(*cloud,centroid); // 计算质心
4.关键函数
(1)设置最小体素块的xyz值
setLeafSize()
5.代码
#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>
int main()
{
/****************体素滤波********************/
// 原始点云
pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>);
pcl::io::loadPCDFile("D:/code/csdn/data/bunny.pcd", *cloud); // 加载原始点云数据
// 结果点云
pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZRGB>);
// 体素滤波
pcl::VoxelGrid<pcl::PointXYZRGB> filter;
filter.setInputCloud(cloud);
filter.setLeafSize(0.003, 0.003, 0.003); // 每个体素块的xyz值
filter.filter(*cloud_filtered);
/****************展示********************/
boost::shared_ptr<pcl::visualization::PCLVisualizer> view_raw(new pcl::visualization::PCLVisualizer("raw"));
view_raw->addPointCloud<pcl::PointXYZRGB>(cloud, "raw cloud");
view_raw->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "raw cloud");
boost::shared_ptr<pcl::visualization::PCLVisualizer> view_filtered(new pcl::visualization::PCLVisualizer("filter"));
view_filtered->addPointCloud<pcl::PointXYZRGB>(cloud_filtered, "filtered cloud");
view_filtered->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "filtered cloud");
while (!view_raw->wasStopped())
{
view_raw->spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(100000));
}
while (!view_filtered->wasStopped())
{
view_filtered->spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(100000));
}
return 0;
}