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:
- 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。
- 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。
- 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。
- 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。
- 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
- 读取点云数据。
- 根据索引选择要保留的点。
- 可视化原始点云和下采样后的点云。
1.3应用场景
- 点云简化:在不影响整体形状的情况下减少点的数量。
- 特征提取:提取特定区域或特征的点。
- 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;
}