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