PCL点云处理(003)-点云降采样

以下是使用PCL库进行降采样的C++代码示例：

#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>

int main(int argc, char **argv)
{
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);

    // 读取PCD文件
    pcl::io::loadPCDFile<pcl::PointXYZ>("../../data/example.pcd", *cloud);

    std::cout << "Loaded "
              << cloud->width * cloud->height
              << " data points from example.pcd"
              << std::endl;

    // 创建Voxel Grid滤波器对象
    pcl::VoxelGrid<pcl::PointXYZ> sor;
    sor.setInputCloud(cloud);
    sor.setLeafSize(0.05f, 0.05f, 0.05f);
    sor.filter(*cloud_filtered);

    std::cout << "PointCloud after filtering: "
              << cloud_filtered->width * cloud_filtered->height
              << " data points"
              << std::endl;

    // 创建PCLVisualizer对象
    boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));
    viewer->setBackgroundColor(0, 0, 0);

    // 添加原始点云到可视化窗口
    viewer->addPointCloud<pcl::PointXYZ>(cloud, "original_cloud");
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "original_cloud");

    // 添加下采样后的点云到可视化窗口
    pcl::visualization::PointCloudColorHandlerGenericField<pcl::PointXYZ> single_color(cloud_filtered, "z"); /// deep different color
    viewer->addPointCloud<pcl::PointXYZ>(cloud_filtered, single_color, "filtered_cloud");
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "filtered_cloud");

    // 设置相机位置和方向
    viewer->initCameraParameters();
    viewer->setCameraPosition(0, 0, -2, 0, -1, 0);

    // 运行可视化窗口
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }

    return (0);
}

在上述代码中，我们首先使用pcl::io::loadPCDFile函数读取点云数据，然后创建一个pcl::VoxelGrid对象作为降采样器，并设置滤波器的降采样体素大小。接着，我们调用filter函数对点云进行滤波，并将滤波后的点云可视化。

可视化结果如下(图中彩色点云降采样后的点云):

本系列全部代码的链接