PCL 空间变化检测（由八叉树实现）（OCTree_OctreePointcloudChangedetector）

注意：由八叉树进行的空间变化检测，可用在无序点云上。

八叉树原理介绍

某些由父类实现的可调用方法，如检查用户输入位置的体素块是否存在、获取树深、获取体素块中心点等在PCL八叉树的介绍：6.PCL八叉树关键函数中提及。

1.原理

对无序点云在空间变化上的检测，即对前后两幅点云在八又树结构下的空间节点差异检测。

（1）载入原始点云A，并生成第一个八叉树结构。

（2）切缓冲，载入原始点云B，生成第二个八叉树结构。

（3）比较两个八叉树结构，若某些叶子结点在第二个八叉树上，但是不在第一个八叉树上，那么就认为这些叶子节点内的点是空间上变化多出来的点。

如下图：

比较完整兔子、半截兔子两个点云的空间变化信息时，完整兔子八叉树结构如图1，半截兔子八叉树结构如图2。

二者八叉树结构重叠，比较二者八叉数节点的区别，若空间节点信息有差异，即为空间检测差异。

2.使用场景

工作中常用于：树木生长检测、建筑物重新施工检测等。

3.注意事项

无

4.代码

#include <iostream>
#include <pcl/io/pcd_io.h>	
#include <pcl/point_cloud.h>
#include <pcl/octree/octree_pointcloud_changedetector.h>
#include <pcl/filters/extract_indices.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

int main()
{
	/***************八叉树空间信息检测********************/
	// 原始点云
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud0(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::io::loadPCDFile("D:/code/csdn/data/bunny0.pcd", *cloud0);    // 原始点云数据0
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud1(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::io::loadPCDFile("D:/code/csdn/data/bunny.pcd", *cloud1);    // 原始点云数据1
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_change(new pcl::PointCloud<pcl::PointXYZ>);	// 变化点云

	// 构建八叉树
	pcl::octree::OctreePointCloudChangeDetector<pcl::PointXYZ>octree(0.01);
	octree.setInputCloud(cloud0);												// 添加cloud0点云到八叉树
	octree.addPointsFromInputCloud();											// 构建cloud0八叉树
	octree.switchBuffers();														// 交换八叉树缓存，此时cloud0对应的八叉树仍在内存中

	octree.setInputCloud(cloud1);												// 添加cloud1点云到八叉树
	octree.addPointsFromInputCloud();											// 构建cloud1八叉树
	std::vector<int>newPointIdxVector;											// 保存cloud0对应的八叉树在cloud1对应八叉树中没有的点索引
	octree.getPointIndicesFromNewVoxels(newPointIdxVector);
	
	pcl::copyPointCloud(*cloud1, newPointIdxVector, *cloud_change);				// 复制结果到新点云

	// 展示
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewR(new pcl::visualization::PCLVisualizer("raw"));
	viewR->addPointCloud<pcl::PointXYZ>(cloud0, "raw cloud");
	viewR->addPointCloud<pcl::PointXYZ>(cloud1, "raw cloud");
	viewR->addPointCloud<pcl::PointXYZ>(cloud_change, pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>(cloud_change, 0, 0, 255), "r cloud");
	viewR->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "raw cloud");
	while (!viewR->wasStopped())
	{
		viewR->spinOnce(100);
		boost::this_thread::sleep(boost::posix_time::microseconds(100000));
	}
}

5.结果展示

打印信息：

可视化结果：