VoxelGrid體素濾波器對點雲進行下采樣

使用體素化網格方法實現下采樣，即減少點的數量，減少點雲數據，並同時保持點雲的形狀特征，在提高配准、曲面重建、形狀識別等算法速度中非常實用。

PCL實現的VoxelGrid類通過輸入的點雲數據創建一個三維體素柵格（可把體素柵格想象為微小的空間三維立方體的集合），然后在每個體素（即，三維立方體）內，用體素中所有點的重心來近似顯示體素中其他點，這樣該體素就內所有點就用一個重心點最終表示，對於所有體素處理后得到過濾后的點雲。這種方法比用體素中心來逼近的方法更慢，但它對於采樣點對應曲面的表示更為准確。

所以該類常用於對大數據量的下采樣處理，特別是在配准、曲面重建等工作之前作為預處理，可以很好的提高程序的速度。

代碼：

 

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/io/io.h>
#include <pcl/visualization/cloud_viewer.h>



int main(int argc, char** argv) 
{

    pcl::PointCloud<pcl::PointXYZI>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZI>);
    pcl::PointCloud<pcl::PointXYZI>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZI>);
    // 填入點雲數據
    pcl::io::loadPCDFile("table_scene_lms400.pcd", *cloud);

    // 創建濾波器對象
    pcl::VoxelGrid<pcl::PointXYZI> sor;//濾波處理對象
    sor.setInputCloud(cloud);
    sor.setLeafSize(0.01f, 0.01f, 0.01f);//設置濾波器處理時采用的體素大小的參數
    sor.filter(*cloud_filtered);
    std::cerr << "PointCloud after filtering: " << cloud_filtered->width * cloud_filtered->height
        << " data points (" << pcl::getFieldsList(*cloud_filtered) << ").";

    pcl::visualization::CloudViewer viewer("Cloud Viewer");
    //showCloud函數是同步的，在此處等待直到渲染顯示為止
    viewer.showCloud(cloud_filtered);
    
    while (!viewer.wasStopped())
    {
        //在此處可以添加其他處理
        
    }

    return (0);
}

 

 

 雖然處理后數據量大大減少，但很明顯其所含有的形狀特征與空間結構信息與原始點雲差不多