PCL 点云体素滤波

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 体素滤波实现

2.1.2 可视化函数

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

        体素滤波（Voxel Grid Filter） 是一种常用的点云降采样方法。它通过将点云划分为固定大小的三维网格（体素），然后用每个体素内的点的代表值（如质心）来代替体素内的所有点，从而达到减少点云数据量的目的。

1.1原理

体素滤波的基本思想是：

  1. 空间划分：将点云空间划分为大小相同的体素网格，每个体素是一个立方体区域。
  2. 点替换：对于每个体素，将其中的所有点用一个代表点替换，通常是这些点的质心或中心点。
  3. 降采样：通过上述过程，原始点云被降采样为较少的点，同时保持点云的整体结构和形状。

1.2实现步骤

  1. 读取点云数据：使用 PCL 的 I/O 函数读取点云文件。
  2. 设置体素滤波器参数：定义体素网格的尺寸（叶子大小）。
  3. 应用滤波器：生成降采样后的点云。
  4. 可视化结果：将原始点云和降采样后的点云进行可视化，对比效果。原始点云为红色，降采样后的点云为绿色。

1.3应用场景

  1. 数据简化：在处理高密度点云时，降采样可以减少计算量，提高处理效率。
  2. 特征提取：在某些算法中，可能需要低分辨率的点云来加速计算。
  3. 预处理：在进行点云配准或表面重建前，对点云进行降采样以提高效率。

二、代码实现

2.1关键函数

2.1.1 体素滤波实现

使用 pcl::VoxelGrid 对点云进行体素滤波。

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>// 体素滤波函数
pcl::PointCloud<pcl::PointXYZ>::Ptr voxelGridFilter(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 输入点云float leaf_size                             // 体素网格尺寸（叶子大小）
)
{// 创建体素滤波对象，并设置参数pcl::VoxelGrid<pcl::PointXYZ> voxel_filter;voxel_filter.setInputCloud(cloud);              // 设置输入点云voxel_filter.setLeafSize(leaf_size, leaf_size, leaf_size);  // 设置体素网格尺寸// 滤波后的点云pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);voxel_filter.filter(*filtered_cloud);           // 应用滤波return filtered_cloud;  // 返回降采样后的点云
}

2.1.2 可视化函数

使用 PCL 可视化库展示原始点云和降采样后的点云，并设置颜色：原始点云为红色，降采样后的点云为绿色。

#include <pcl/visualization/pcl_visualizer.h>// 可视化原始点云和降采样后的点云
void visualizePointClouds(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,          // 原始点云pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud  // 降采样后的点云
)
{// 创建可视化器pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Voxel Grid Filter Viewer"));// 创建视口1，显示原始点云int vp_1;viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);          // 创建左侧窗口viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);           // 设置白色背景viewer->addText("Raw Point Cloud", 10, 10, "vp1_text", vp_1);  // 添加标题// 设置原始点云的颜色为红色pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 255, 0, 0);  // 红色viewer->addPointCloud<pcl::PointXYZ>(cloud, cloud_color_handler, "original_cloud", vp_1);  // 添加原始点云// 创建视口2，显示降采样后的点云int vp_2;viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);          // 创建右侧窗口viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);        // 设置浅灰色背景viewer->addText("Filtered Point Cloud", 10, 10, "vp2_text", vp_2);  // 添加标题// 设置降采样后的点云的颜色为绿色pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> filtered_cloud_color_handler(filtered_cloud, 0, 255, 0);  // 绿色viewer->addPointCloud<pcl::PointXYZ>(filtered_cloud, filtered_cloud_color_handler, "filtered_cloud", vp_2);  // 添加降采样后的点云// 设置点的大小（可选）viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "filtered_cloud", vp_2);// 启动可视化循环while (!viewer->wasStopped()){viewer->spinOnce(100);  // 刷新可视化器}
}

2.2完整代码

// C++头文件
#include <iostream>
// PCL头文件
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>         // 体素滤波
#include <pcl/visualization/pcl_visualizer.h>// 体素滤波函数
pcl::PointCloud<pcl::PointXYZ>::Ptr voxelGridFilter(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 输入点云float leaf_size                             // 体素网格尺寸（叶子大小）
)
{// 创建体素滤波对象，并设置参数pcl::VoxelGrid<pcl::PointXYZ> voxel_filter;voxel_filter.setInputCloud(cloud);              // 设置输入点云voxel_filter.setLeafSize(leaf_size, leaf_size, leaf_size);  // 设置体素网格尺寸// 滤波后的点云pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);voxel_filter.filter(*filtered_cloud);           // 应用滤波return filtered_cloud;  // 返回降采样后的点云
}// 可视化原始点云和降采样后的点云
void visualizePointClouds(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,          // 原始点云pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud  // 降采样后的点云
)
{// 创建可视化器pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Voxel Grid Filter Viewer"));// 创建视口1，显示原始点云int vp_1;viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);          // 创建左侧窗口viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);           // 设置白色背景viewer->addText("Raw Point Cloud", 10, 10, "vp1_text", vp_1);  // 添加标题// 设置原始点云的颜色为红色pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 255, 0, 0);  // 红色viewer->addPointCloud<pcl::PointXYZ>(cloud, cloud_color_handler, "original_cloud", vp_1);  // 添加原始点云// 创建视口2，显示降采样后的点云int vp_2;viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);          // 创建右侧窗口viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);        // 设置浅灰色背景viewer->addText("Filtered Point Cloud", 10, 10, "vp2_text", vp_2);  // 添加标题// 设置降采样后的点云的颜色为绿色pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> filtered_cloud_color_handler(filtered_cloud, 0, 255, 0);  // 绿色viewer->addPointCloud<pcl::PointXYZ>(filtered_cloud, filtered_cloud_color_handler, "filtered_cloud", vp_2);  // 添加降采样后的点云// 设置点的大小（可选）viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "filtered_cloud", vp_2);// 启动可视化循环while (!viewer->wasStopped()){viewer->spinOnce(100);  // 刷新可视化器}
}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("bunny.pcd", *cloud) < 0){PCL_ERROR("Could not read file\n");return (-1);  // 返回错误}// -------------------------------体素滤波---------------------------------float leaf_size = 0.005f;  // 设置体素网格尺寸（叶子大小）pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud = voxelGridFilter(cloud, leaf_size);  // 应用体素滤波// ------------------------------可视化原始点云和降采样后的点云---------------------------------visualizePointClouds(cloud, filtered_cloud);  // 调用可视化函数return 0;
}

三、实现效果

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.xdnf.cn/news/1555218.html

如若内容造成侵权/违法违规/事实不符，请联系一条长河网进行投诉反馈，一经查实，立即删除！

相关文章

【RISCV指令集手册】向量扩展v1.0

【RISCV指令集手册】向量扩展v1.0

概述 从rvv 0.9说起 此前写过向量扩展0.9的阅读记录&#xff0c;三年已过&#xff0c;本以为不再参与RVV的相关开发&#xff0c;奈何造化弄人&#xff0c;旧业重操&#xff0c;真就世事难料呀。 总的来说1.0版本相比0.9版本的扩充了较多内容&#xff0c;但大部分为指令功能的…
阅读更多...
YOLOv8改进线性注意力模块 ICCV2023 FLatten Transformer

YOLOv8改进线性注意力模块 ICCV2023 FLatten Transformer

1，原理部分 论文地址：2308.00442 (arxiv.org) 在将 Transformer 模型应用于视觉任务时，自我注意的二次计算复杂性一直是一个持续的挑战。另一方面，线性注意力通过精心设计的映射函数近似 Softmax 操作，通过其线性复杂性提供了一种更有效的替代方案。然而，当前的线性注意…
阅读更多...
使用LlamaIndex构建RAG

使用LlamaIndex构建RAG

使用LlamaIndex构建RAG 一、什么是LlamaIndex二、环境准备2.1虚拟环境创建及基础安装2.2安装llamaIndex相关2.3下载词向量模型2.4下载NLTK资源2.5准备LLM模型2.6不使用RAG情况下的问答效果2.7使用llama-index的效果2.7.1安装llama-index词嵌入依赖2.7.2获取知识库2.7.3准备代码…
阅读更多...
信号检测理论（Signal Detection Theory, SDT）

信号检测理论（Signal Detection Theory, SDT）

信号检测理论&#xff08;Signal Detection Theory, SDT&#xff09;模拟是一种实验设计&#xff0c;用于研究和理解在存在噪声或不确定性的情况下如何做出决策。在心理学、认知科学、工程学和许多其他领域&#xff0c;信号检测理论都非常重要。 一、基础概念&#xff1a; 在信…
阅读更多...
TIBCO Jaspersoft Studio 创建数据源并进行测试

TIBCO Jaspersoft Studio 创建数据源并进行测试

1、连接数据源&#xff1a; 右键Data Adapters &#xff0c;然后新建 根自己的情况&#xff0c;进行创建&#xff0c;这里测试用的是excel表格。 2、新建Jasper Report&#xff0c;然后我们选择刚刚创建的数据源 这样report就建好了&#xff0c;然后我们进行测试。 3、先把不…
阅读更多...
【源码+文档】基于SpringBoot+Vue的酒店管理系统

【源码+文档】基于SpringBoot+Vue的酒店管理系统

&#x1f6a9;如何选题&#xff1f; 如何选题、让题目的难度在可控范围&#xff0c;以及如何在选题过程以及整个毕设过程中如何与老师沟通&#xff0c;这些问题是需要大家在选题前需要考虑的&#xff0c;具体的方法我会在文末详细为你解答。 &#x1f6ad;如何快速熟悉一个项目…
阅读更多...
文心智能体——制作你的专属AI

文心智能体——制作你的专属AI

随着社会的进步和互联网技术的发展&#xff0c;人工智能领域正蓬勃发展。最近几年关于人工智能的新闻日渐增多并且成为了当代最大的热点&#xff0c;所有的领域都在引进AI、训练AI、使用AI&#xff0c;AI正逐步融入人们的生活。从前几年chatGPT大语言模型的横空出世&#xff0c…
阅读更多...
Finops成本优化企业实践-可视化篇

Finops成本优化企业实践-可视化篇

引言&#xff1a;上一章讨论了finops的一些方法论&#xff0c;笔者在拿到finops官方认证finops-engineer certificate之后&#xff0c;将方法论运用到所在项目组中&#xff0c;并于今年完成了40%的费用节省。在此将这些实践方法总结沉淀&#xff0c;与大家分享。实践包括三篇&a…
阅读更多...
[Python学习日记-38] Python 中的函数的名称空间

[Python学习日记-38] Python 中的函数的名称空间

[Python学习日记-38] Python 中的函数的名称空间 简介 名称空间 作用域查找顺序 简介 在前面学习函数的时候我们发现&#xff0c;函数内部也有一个内存空间是用于存储函数自己的一些变量的&#xff0c;及时这个变量名与外部的变量名一样是也没关系&#xff0c;Python 会优先…
阅读更多...
SpringCloud Alibaba - Eureka注册中心，Nacos配置中心

SpringCloud Alibaba - Eureka注册中心，Nacos配置中心

Eureka 1、创建服务端 server:port: 8761 # eureka 默认端口spring:application:name: eureka-server # 应用名称&#xff08;微服务中建议必须定义应用名称&#xff09; SpringBootApplication EnableEurekaServer // 开启eureka注册中心功能 public class EurekaServerAppli…
阅读更多...
数据驱动投资：AI在股票市场的应用

数据驱动投资：AI在股票市场的应用

当ChatGPT首次亮相时&#xff0c;其卓越的语言处理能力立刻引起了许多行业的广泛关注&#xff0c;投资界也不例外。关于ChatGPT是否能应用于投资决策的问题&#xff0c;迅速成为热门讨论的焦点。 近期&#xff0c;加拿大多伦多大学和印度孟买理工学院的研究人员联合开展了一项…
阅读更多...
《Linux从小白到高手》理论篇：Linux的进程管理详解

《Linux从小白到高手》理论篇：Linux的进程管理详解

本篇将介绍Linux的进程管理相关知识&#xff0c;并将深入介绍Linux的进程间相互通信。 进程就是运行中的程序&#xff0c;一个运行着的程序&#xff0c;可能有多个进程。 比如Oracle DB&#xff0c;启动Oracle实例服务后&#xff0c;就会有多个进程。 Linux进程分类 在 Linux…
阅读更多...
python实战四：输入一个年份，判断是否是闰年

python实战四：输入一个年份，判断是否是闰年

问题&#xff1a; 从键盘获取一个四位的整数年份&#xff0c;判断其是否是闰年。闰年的判断条件为︰能被4整除但不能被100整除&#xff0c;或者能被400整除。 需求方法&#xff1a; 使用 input() 函数从键盘获取输入。输入的年份是一个字符串。检查输入是否为四位数&#xf…
阅读更多...
优优嗨聚集团：债务纠纷下的个人财务困境揭秘

优优嗨聚集团：债务纠纷下的个人财务困境揭秘

在当今社会&#xff0c;随着经济活动的日益频繁与复杂化&#xff0c;债务问题已成为许多人生活中难以回避的挑战之一。债务纠纷&#xff0c;作为这一问题的直接体现&#xff0c;不仅关乎金钱的得失&#xff0c;更深刻地影响着个人的生活方方面面&#xff0c;从心理健康、家庭关…
阅读更多...
vscode 连接云服务器（ubantu 20.04）

vscode 连接云服务器（ubantu 20.04）

更改服务器系统 如果云服务器上的系统不是ubantu20.04的&#xff0c;可以进行更改&#xff1a; 登录云服务官网&#xff08;这里以阿里云为例&#xff09;点击控制台 点击服务器实例 点击更多操作、重置系统 点击重置为其他镜像、系统镜像&#xff1a;选择你要使用的系统镜像…
阅读更多...
c++ union内存布局

c++ union内存布局

// // Created by 徐昌真 on 2024/10/5. // #include <iostream> using namespace std;//定义一个union union Data{int a;char s[7]; //char值的范围(-128~127) }; int main() {//创建一个unionData d;d.s[0] 255; //16进制 0xFF 16进制F对应二进制 1111d.s[1] 1; …
阅读更多...
瓶颈ing

瓶颈ing

全排列的回溯算法怎么好理解记忆啊&#xff0c;对着解析理解顺着逻辑也能够推&#xff0c;但是自己写无从下手呜呜呜
阅读更多...
探索基于基于人工智能进行的漏洞评估的前景

探索基于基于人工智能进行的漏洞评估的前景

根据2023年的一份报告 网络安全企业据估计&#xff0c;到 10.5 年&#xff0c;网络犯罪每年将给世界造成 2025 万亿美元的损失。每年记录在案的网络犯罪数量都会创下新高。这要求对传统的安全测试流程进行重大改变。这就是漏洞评估发挥作用的地方。 漏洞评估对于识别系统中的弱…
阅读更多...
zookeeper选举kafka集群的controller

zookeeper选举kafka集群的controller

zookeeper选举kafka集群的controller目录 文章目录 zookeeper选举kafka集群的controller目录前言一、实操体验controller的选举二、模拟controller选举四、删除controller节点 前言 kafka集群的controller是kafka集群中一个有特殊作用的broker&#xff0c;负责整个kafka集群的…
阅读更多...
[python]Flask_Login

[python]Flask_Login

flask_login是flask框架中的一个拓展功能&#xff0c;用于更快捷的实现用户会话管理功能&#xff0c;主要处理登录&#xff0c;注销和长时间会话存储的功能处理。 目录 安装 使用 第一步,配置SECRET_KEY 第二步,创建LoginManager实例绑定app 第三步,用户类继承UserMixin …
阅读更多...
最新文章

Copyright @ 2022~2023