PCL之体素网格滤波器--VoxelGrid

作用:使用体素化网格方法实现下采样，可在保持点云形状特征的情况下减少点云的数量；在提高配准、曲面重建、形状识别等算法的速度。

原理：PCL实现的VoxelGrid类通过输入的点云数据创建一个三维体素栅格，然后在每个体素内，用体素中所有点的重心来近似显示体素中其他点，这样该体素内所有点就用一个重心点最终表示，对于所有体素处理后得到过滤后的点云。

效果: 这种方法比用体素中心来逼近的方法更慢，但它对于采样点对应曲面的表示更为准确。

代码展示:

#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>using namespace std;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>);// 加载点云// 点云文件地址：https://github.com/PointCloudLibrary/data/blob/master/tutorials/table_scene_lms400.pcdpcl::io::loadPCDFile<pcl::PointXYZ>("source/table_scene_lms400.pcd",*cloud);// 创建滤波器对象pcl::VoxelGrid<pcl::PointXYZ> sor;sor.setInputCloud (cloud); //设置需要滤波的点云sor.setLeafSize (0.1f, 0.1f, 0.1f);  //设置滤波时创建的体素体积为0.1m3sor.filter (*cloud_filtered);       //执行滤波处理，并将结果输出cloud_filteredcout << "Cloud after filtering: " << cloud_filtered->points.size() << endl;pcl::visualization::PCLVisualizer::Ptr view(new pcl::visualization::PCLVisualizer("ShowCloud"));// 创建两个视口: 第一个用于显示原始点云, 第二个用于显示滤波后的点云int v1(0);view->createViewPort(0.0, 0.0, 0.5, 1.0, v1);view->setBackgroundColor(0, 0, 0, v1);view->addText("Raw point clouds", 10, 10, "v1_text", v1);int v2(0);view->createViewPort(0.5, 0.0, 1, 1.0, v2);view->setBackgroundColor(0.1, 0.1, 0.1, v2);view->addText("filtered point clouds", 10, 10, "v2_text", v2);view->addPointCloud<pcl::PointXYZ>(cloud, "sample cloud", v1);view->addPointCloud<pcl::PointXYZ>(cloud_filtered, "cloud_filtered", v2);// 设置点云的渲染颜色view->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1, 0, 0, "sample cloud", v1);view->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0, 1, 0, "cloud_filtered", v2);view->addCoordinateSystem(1.0);view->initCameraParameters();while (!view->wasStopped()) {view->spinOnce(100);}return 0;
}

结果展示

PCL之体素网格滤波器--VoxelGrid相关推荐

【PCL自学：Filtering】PCL中的各类滤波器介绍与使用 (持续更新)
PCL_filter模块中各类滤波器目录一.直通滤波器(PassThrough):用于阈值滤除 1.直通滤波器介绍 2.示例代码二.体素滤波器(VoxelGrid filter):用于下采样 1. ...
PCL超体素分割代码vs2019+pcl1.11.1实现
文章目录 1.VS代码实现 2.点云数据 3.结果 1.VS代码实现声明:代可以在vs2019+pcl1.11.1上直接运行:由于没有RGBA数据,在demo点云文件上增加了RGBA信息,验证了代码 ...
PCL——超体素（SuperVoxel）、超体聚类分割
SLAM第12讲建图实践部分
1 实践:单目稠密重建 1.1 我们需要下载示例程序所需要的数据集http://rpg.ifi.uzh.ch/datasets/remode_test_data.zip.它提供了一架无人机采集到的单目 ...
直接激光雷达里程计：基于稠密点云的快速定位
点云PCL免费知识星球,点云论文速读. 文章:Direct LiDAR Odometry:Fast Localization with Dense Point Clouds 作者:Kenny Chen ...
基于激光雷达和单目视觉融合的SLAM和三维语义重建
文章:SLAM and 3D Semantic Reconstruction Based on the Fusion of Lidar and Monocular Vision 作者:Lu Lou, ...
2022/6/29学习日志
2.4.1 基于KD-Tree的空间结构首先根据某一选轴点策略,确定坐标轴维度.(维度?)垂直于坐标轴的平面作为超平面来分割集合,取对应维度的坐标值,求出坐标值的中位数,取中位数对应的点为根节点,用 ...
经典文献阅读之--DLO
0. 简介这篇SLAM论文<Direct LiDAR Odometry: Fast Localization with Dense Point Clouds>作为NASA喷气推进实验室C ...
一文看懂激光点云滤波处理
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达文章导读点云滤波通常是点云预处理的第一步,只有将噪声点.离群点. ...

PCL之体素网格滤波器--VoxelGrid

PCL之体素网格滤波器--VoxelGrid相关推荐

最新文章

热门文章