当前位置: 首页 > article >正文

PCL 索引空间采样

目录

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 索引空间采样

2.1.2 可视化原始点云和下采样后的点云

2.2完整代码

三、实现效果


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

        索引空间采样 是一种点云降采样方法,通过使用点云的索引来选择特定的点进行保留。这种方法灵活且易于实现,适用于需要从点云中提取特定索引点的场景。

1.1原理

        索引空间采样的基本思想是使用点的索引来直接选择要保留的点。例如,可以根据一定的规则(如每隔 n 个点)选择点,或选择特定条件下的点。通过这种方式,可以控制下采样的结果,以达到所需的数据量。

常见的索引方法:

  1. 基于法线或曲率的条件:可以根据法线的方向、曲率等属性选择点。例如,只选择那些法线曲率大于某个阈值的点,以保留重要的几何特征。
  2. 根据空间位置:可以选择在特定区域内的点。例如,只选择在某个坐标范围内的点,或者选择在特定高度以上或以下的点。
  3. 随机选择:可以随机选择点的索引,从而确保样本的多样性。这种方法适用于需要快速采样且不需要特定规则的场景。
  4. 基于点的属性:根据点的颜色、强度或其他属性选择点。例如,选择强度高于某个值的点,以提取出特定特征。
  5. 自定义采样规则:根据应用的具体需求,自定义采样逻辑。例如,可以根据点与某个参考点的距离进行采样,只选择距离较近的点。

1.2实现步骤

  1. 读取点云数据。
  2. 根据索引选择要保留的点。
  3. 可视化原始点云和下采样后的点云。

1.3应用场景

  1. 点云简化:在不影响整体形状的情况下减少点的数量。
  2. 特征提取:提取特定区域或特征的点。
  3. 数据分析:根据索引条件选择样本点进行分析。

二、代码实现

2.1关键函数

2.1.1 索引空间采样

通过使用点云的索引进行降采样。

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>

// 设置采样步长
int step_size = 10;  // 每隔十个点采样一个点

// 创建新的点云以存储下采样后的结果
pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud(new pcl::PointCloud<pcl::PointXYZ>);

// 索引空间采样
for (size_t i = 0; i < cloud->size(); i += step_size)
{
    sampled_cloud->points.push_back(cloud->points[i]);  // 添加采样点
}
sampled_cloud->width = sampled_cloud->points.size();
sampled_cloud->height = 1;
sampled_cloud->is_dense = true;  // 确保点云是密集的

2.1.2 可视化原始点云和下采样后的点云

使用 PCLVisualizer 可视化原始点云和下采样后的点云,设置背景为白色。

#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和下采样后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud)  // 下采样后的点云
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Index Space Sample Viewer"));

    // 设置视口1,显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);  // 白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);  // 标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);

    // 设置视口2,显示下采样后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 右侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_2);  // 白色背景
    viewer->addText("Sampled PointCloud", 10, 10, "vp2_text", vp_2);  // 标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> sampled_color_handler(sampled_cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud(sampled_cloud, sampled_color_handler, "sampled_cloud", vp_2);

    // 设置点的大小
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "sampled_cloud", vp_2);

    viewer->addCoordinateSystem(1.0);
    viewer->initCameraParameters();

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }
}

2.2完整代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和下采样后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud)  // 下采样后的点云
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Index Space Sample Viewer"));

    // 设置视口1,显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);  // 白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);  // 标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);

    // 设置视口2,显示下采样后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 右侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_2);  // 白色背景
    viewer->addText("Sampled PointCloud", 10, 10, "vp2_text", vp_2);  // 标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> sampled_color_handler(sampled_cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud(sampled_cloud, sampled_color_handler, "sampled_cloud", vp_2);

    // 设置点的大小
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "sampled_cloud", vp_2);

    /*viewer->addCoordinateSystem(1.0);
    viewer->initCameraParameters();*/

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }
}

int main(int argc, char** argv)
{
    // -----------------------------读取点云数据---------------------------------
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile<pcl::PointXYZ>("China dragon.pcd", *cloud) == -1)
    {
        PCL_ERROR("Couldn't read the PCD file!\n");
        return -1;
    }

    // -----------------------------索引空间采样---------------------------------
    pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud(new pcl::PointCloud<pcl::PointXYZ>);  // 存储下采样后的点云

    // 设置采样步长
    int step_size = 20;  // 每隔十个点采样一个点

    // 索引空间采样
    for (size_t i = 0; i < cloud->size(); i += step_size)
    {
        sampled_cloud->points.push_back(cloud->points[i]);  // 添加采样点
    }
    sampled_cloud->width = sampled_cloud->points.size();
    sampled_cloud->height = 1;
    sampled_cloud->is_dense = true;  // 确保点云是密集的

    // -----------------------------可视化原始点云和下采样后的点云---------------------------------
    visualizePointClouds(cloud, sampled_cloud);

    return 0;
}

三、实现效果


http://www.kler.cn/a/327007.html

相关文章:

  • 双指针算法篇——一快一慢须臾之间解决问题的飘逸与灵动(2)
  • 【MySQL死锁一】
  • 基于vue框架的的冷链食品物流信息管理系统v81wb(程序+源码+数据库+调试部署+开发环境)系统界面在最后面。
  • 【双指针】【数之和】 LeetCode 633.平方数之和
  • 使用正则表达式验证积累
  • Java 实现接口幂等的九种方法:确保系统稳定性与数据一致性
  • golang fmt.Sprintf 引用前述变量
  • java将word转pdf
  • python 实现lstm prediction预测算法
  • 【C++】unordered_map(set)
  • 几种常见点云开源库——点云、网格数据结构转换
  • 麒麟桌面系统V10 SP1安装php的达梦数据库扩展
  • latex打出邮箱图标和可点击的orcidID
  • NXP(恩智浦)—MC33PF8200A0ES PMIC芯片详解
  • 【COSMO-SkyMed系列的4颗卫星主要用途】
  • Spring Boot技术:构建高效网上购物平台
  • 高效学习工作SMART原则
  • C++中set集合和Python中set集合的区别
  • 【Golang】关于Go语言数学计算、随机数生成模块--math
  • 微信小程序使用picker,数组怎么设置默认值
  • RabbitMQ MQ的可靠性及消费者的可靠性
  • 【Ubuntu】VMware中虚拟网卡与服务器网卡的绑定
  • XHTML学习
  • MacOS升级Ruby版本详解:步骤、挑战与解决方案
  • 【Linux:线程概念】
  • 【并发】ThreadLocal 为什么会内存泄露