当前位置：首页 > article >正文

PCL 基于kd树快速删除点云中重叠的点

article 2024/9/24 4:49:57

一、概述

1.1原理

1.2实现步骤

1.3应用场景

二、代码实现

2.1关键函数

2.1.1 KD树构建

2.1.2半径搜索

2.1.3 删除重叠点

2.2完整代码

PCL点云算法汇总及实战案例汇总的目录地址链接：

PCL点云算法与项目实战案例汇总（长期更新）

一、概述

本文将介绍如何使用 KD树进行快速查找和删除点云中的重叠点。KD树是一种空间划分的数据结构，适合在高维空间中进行高效的邻域查找。通过使用KD树对点云进行最近邻查找，我们可以快速检测到重复或重叠的点，并将它们从点云中删除。

1.1原理

KD树能够通过快速查找相邻的点来加速重叠点的检测。具体步骤如下：

构建KD树：将点云数据输入到KD树中，构建一棵KD树结构。
邻域查找：对于每个点，使用KD树进行邻域搜索，找到距离该点很近的点（如相距小于一个指定的阈值）。
删除重叠点：根据查找结果，删除距离小于阈值的点（即重叠点）。

1.2实现步骤

读取点云数据。
使用KD树对点云进行构建，并加速查找最近邻点。
对每个点执行邻域搜索，检测重叠点。
删除距离小于某个阈值的重叠点。
输出处理后的点云数据。

1.3应用场景

高效去重：快速删除大规模点云数据中的重叠点。
点云预处理：为后续的点云处理步骤（如特征提取、点云配准）提供优化数据。
数据清理：去除采集过程中的冗余点、重复点。

二、代码实现

2.1关键函数

2.1.1 KD树构建

KD树用于高效地执行点云数据的最近邻查找。pcl::KdTreeFLANN 是PCL中KD树的实现，用于快速进行近邻搜索。首先需要将点云数据输入到KD树中以构建索引。

#include <pcl/kdtree/kdtree_flann.h>  // 包含KD树相关的头文件

// 1. 创建KD树对象
pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;

// 2. 将点云数据输入到KD树中
kdtree.setInputCloud(cloud);  // cloud 是已经加载的点云数据

// 这样就成功构建了KD树，可以用来进行后续的最近邻搜索和重叠点查找。

2.1.2半径搜索

通过 radiusSearch 函数，我们可以为每个点查找其在指定半径范围内的所有邻居点。该函数返回邻域点的索引及其到查询点的距离

std::vector<int> pointIdxRadiusSearch;  // 用于存储邻域内的点的索引
std::vector<float> pointRadiusSquaredDistance;  // 用于存储邻域内的点到查询点的距离平方值

float radius = 0.001f;  // 设置删除重叠点的距离阈值（如1毫米）

// 对点云中的某个点（如第i个点）执行半径搜索，查找在指定半径内的邻域点
int numNeighbors = kdtree.radiusSearch(cloud->points[i], radius, pointIdxRadiusSearch, pointRadiusSquaredDistance);

// 如果该点在指定半径内找到了其他重叠点，则可以进一步进行处理
if (numNeighbors > 0) 
{
    // pointIdxRadiusSearch 中保存了找到的邻域点的索引
    // pointRadiusSquaredDistance 中保存了对应邻域点的距离
}

2.1.3 删除重叠点

通过邻域搜索，可以检测到距离查询点非常近的点，即重叠点。我们只保留那些没有邻居点（即不与其他点重叠）的点。

pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);  // 创建一个新的点云对象，用于存储去重后的点云

// 遍历每个点，并检查它是否有重叠点
for (size_t i = 0; i < cloud->points.size(); ++i)
{
    // 对当前点执行半径搜索，找到其邻域点
    int numNeighbors = kdtree.radiusSearch(cloud->points[i], radius, pointIdxRadiusSearch, pointRadiusSquaredDistance);

    // 如果该点在指定半径内没有找到其他重叠点（即邻域内只有它自己），则保留该点
    if (numNeighbors == 1)  // 只有1个点（即查询点本身），说明该点没有重叠
    {
        filtered_cloud->points.push_back(cloud->points[i]);  // 将该点保存到过滤后的点云中
    }
}

// 此时，filtered_cloud 包含了所有没有重叠的点。

2.2完整代码

#include <iostream>
#include <vector>
#include <pcl/io/pcd_io.h>  // 用于加载和保存PCD文件
#include <pcl/point_types.h>  // PCL点类型定义
#include <pcl/kdtree/kdtree_flann.h>  // KD树实现

int main(int argc, char** argv)
{
    // --------------------------------读取点云------------------------------------
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

    // 加载PCD文件中的点云数据
    if (pcl::io::loadPCDFile<pcl::PointXYZ>("example.pcd", *cloud) == -1)
    {
        PCL_ERROR("Couldn't read file!");  // 如果文件加载失败，输出错误信息
        return -1;  // 返回错误代码并退出程序
    }

    std::cout << "Original cloud size: " << cloud->points.size() << " points." << std::endl;

    // -----------------------------KD树构建---------------------------------
    pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;  // 创建KD树对象
    kdtree.setInputCloud(cloud);  // 设置KD树的输入点云

    // -----------------------------删除重叠点---------------------------------
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);  // 用于存储过滤后的点云
    std::vector<int> pointIdxRadiusSearch;  // 用于存储邻域点的索引
    std::vector<float> pointRadiusSquaredDistance;  // 用于存储邻域点的距离平方值

    float radius = 0.001f;  // 设置删除重叠点的距离阈值（如1毫米）

    // 遍历点云中的每个点
    for (size_t i = 0; i < cloud->points.size(); ++i)
    {
        // 对当前点执行半径搜索，查找在指定半径内的点
        if (kdtree.radiusSearch(cloud->points[i], radius, pointIdxRadiusSearch, pointRadiusSquaredDistance) > 0)
        {
            // 如果该点没有找到与其重叠的点，则保留
            if (pointIdxRadiusSearch.size() == 1)  // 保留没有重叠的点
            {
                filtered_cloud->points.push_back(cloud->points[i]);
            }
        }
    }

    std::cout << "Filtered cloud size: " << filtered_cloud->points.size() << " points." << std::endl;

    // --------------------------------保存结果------------------------------------
    pcl::io::savePCDFileASCII("E://data//filtered_kd_example.pcd", *filtered_cloud);
    std::cout << "Filtered point cloud saved." << std::endl;

    return 0;  // 程序结束
}

查看全文

http://www.kler.cn/news/317027.html