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

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.mzph.cn/pingmian/55108.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

软件设计师——计算机网络

软件设计师——计算机网络

&#x1f4d4;个人主页&#x1f4da;&#xff1a;秋邱-CSDN博客☀️专属专栏✨&#xff1a;软考——软件设计师&#x1f3c5;往期回顾&#x1f3c6;&#xff1a;&#x1f31f;其他专栏&#x1f31f;&#xff1a;C语言_秋邱 一、OSI/ RM七层模型(⭐⭐⭐) ​ 层次 名称 主要功…
阅读更多...
主流的消息队列

主流的消息队列

简介 目前市面上主流开源的消息队列主要RabbitMQ、RockectMQ、Kafka、ActiveMQ。这四种消息队列都是比较常见&#xff0c;下面我们从各个维度比较他们有缺点。 ActiveMQ ActiveMQ作为“老古董”&#xff0c;市面上用的已经不多。 社区&#xff1a; Apache 开发语言&#xff…
阅读更多...
【Iceberg分析】调研Iceberg中表的原地演变

【Iceberg分析】调研Iceberg中表的原地演变

调研Iceberg中表的原地演变 文章目录 调研Iceberg中表的原地演变原生非分区表文件关系图表的原地演变之表schema演变新增字段new_column文件关系变化图为新增字段写入数据文件关系变化图删除新增字段文件关系变化图新增字段new_column2文件关系变化图删除数据文件关系变化图 原…
阅读更多...
【并发】ThreadLocal 为什么会内存泄露

【并发】ThreadLocal 为什么会内存泄露

ThreadLocal 引起内存泄漏的原因主要与 ThreadLocalMap 的实现方式有关。ThreadLocalMap 使用了弱引用来存储 ThreadLocal 对象&#xff0c;但是它的值是强引用。如果不正确地使用 ThreadLocal 或者忘记在适当的时候移除 ThreadLocal 值&#xff0c;可能会导致内存泄漏。 内存…
阅读更多...
TCP编程:从入门到实践

TCP编程:从入门到实践

目录 一、引言 二、TCP协议原理 1.面向连接 2.可靠传输 三、TCP编程实践 1.TCP服务器 2.TCP客户端 四、总结 本文将带你了解TCP编程的基本原理&#xff0c;并通过实战案例&#xff0c;教你如何在网络编程中运用TCP协议。掌握TCP编程&#xff0c;为构建稳定、高效的网络通信…
阅读更多...
C++ | Leetcode C++题解之第433题最小基因变化

C++ | Leetcode C++题解之第433题最小基因变化

题目&#xff1a; 题解&#xff1a; class Solution { public:int minMutation(string start, string end, vector<string>& bank) {int m start.size();int n bank.size();vector<vector<int>> adj(n);int endIndex -1;for (int i 0; i < n; i)…
阅读更多...
爬虫及数据可视化——运用Hadoop和MongoDB数据进行分析

爬虫及数据可视化——运用Hadoop和MongoDB数据进行分析

作品详情  运用Hadoop和MongoDB对得分能力数据进行分析&#xff1b;  运用python进行机器学习的模型调理&#xff0c;利用Pytorch框架对爬取的评论进行情感分析预测&#xff1b;  利用python和MySQL对网站的数据进行爬取、数据清洗及可视化。
阅读更多...
快速实现AI搜索！Fivetran 支持 Milvus 作为数据迁移目标

快速实现AI搜索！Fivetran 支持 Milvus 作为数据迁移目标

Fivetran 现已支持 Milvus 向量数据库作为数据迁移的目标&#xff0c;能够有效简化 RAG 应用和 AI 搜索中数据源接入的流程。 数据是 AI 应用的支柱&#xff0c;无缝连接数据是充分释放数据潜力的关键。非结构化数据对于企业搜索和检索增强生成&#xff08;RAG&#xff09;聊天…
阅读更多...
SpringBoot框架下体育馆管理系统的构建

SpringBoot框架下体育馆管理系统的构建

1引言 1.1课题背景 当今时代是飞速发展的信息时代。在各行各业中离不开信息处理&#xff0c;这正是计算机被广泛应用于信息管理系统的环境。计算机的最大好处在于利用它能够进行信息管理。使用计算机进行信息控制&#xff0c;不仅提高了工作效率&#xff0c;而且大大的提高了其…
阅读更多...
【C++ STL】深入理解string类的底层实现

【C++ STL】深入理解string类的底层实现

string类的模拟实现 一.string的构造与析构函数1.普通构造函数与析构函数2.拷贝构造的浅拷贝所带来的问题3.如何实现深拷贝 二.运算符重载1.赋值运算符重载2.大小比较相关的运算符重载 三.迭代器的实现四.string常用操作的实现1.静态const成员npos的定义2.插入操作3.查找操作4.…
阅读更多...
江协科技STM32学习- P19 TIM编码器接口

江协科技STM32学习- P19 TIM编码器接口

&#x1f680;write in front&#x1f680; &#x1f50e;大家好&#xff0c;我是黄桃罐头&#xff0c;希望你看完之后&#xff0c;能对你有所帮助&#xff0c;不足请指正&#xff01;共同学习交流 &#x1f381;欢迎各位→点赞&#x1f44d; 收藏⭐️ 留言&#x1f4dd;​…
阅读更多...
C# ReoGrid使用记录

C# ReoGrid使用记录

ReoGrid是个类似于Excel的表格控件&#xff0c;作者在WinForm上使用&#xff0c;下面是使用记录。 一、获取当前工作表 Worksheet worksheet dgv.CurrentWorksheet; 二、设置行/列总数&#xff08;用于增删行&#xff09; worksheet.Columns columnCount; worksheet.Rows…
阅读更多...
Redis篇（Java操作Redis）

Redis篇（Java操作Redis）

目录 讲解一&#xff1a;简介 讲解二&#xff1a;Jedis Github 一、创建项目、 二、添加依赖 三、配置文件 四、Java连接Redis 五、通过Redis连接池获取连接对象并操作服务器 六、封装JedisUtil对外提供连接对象获取方法 七、Java操作Redis五种数据类型 1. 连接与释放…
阅读更多...
助农小程序|助农扶贫系统|基于java的助农扶贫系统小程序设计与实现(源码+数据库+文档)

助农小程序|助农扶贫系统|基于java的助农扶贫系统小程序设计与实现(源码+数据库+文档)

助农扶贫系统小程序 目录 基于java的助农扶贫系统小程序设计与实现 一、前言 二、系统功能设计 三、系统实现 5.1.1 农户管理 5.1.2 用户管理 5.1.3 订单统计 5.2.1 商品信息管理 5.3.1 商品信息 5.3.2 订单信息 5.3.3 商品评价 5.3.4 商品退货 四、数据库设计 1、…
阅读更多...
深入理解华为仓颉语言的数值类型

深入理解华为仓颉语言的数值类型

解锁Python编程的无限可能&#xff1a;《奇妙的Python》带你漫游代码世界 在编程过程中&#xff0c;数据处理是开发者必须掌握的基本技能之一。无论是开发应用程序还是进行算法设计&#xff0c;了解不同数据类型的特性和用途都至关重要。本文将深入探讨华为仓颉语言中的基本数…
阅读更多...
在Linux实时监控某个应用是否运行，未运行，执行运行命令

在Linux实时监控某个应用是否运行，未运行，执行运行命令

1、shell脚本(每隔30秒检测一次) 脚本要注意的地方是&#xff1a;在Nodepad编辑的时候要使用Unix&#xff08;LF&#xff09;格式&#xff0c;避免在Linux无法执行命令 #!/bin/bash# RabbitMQ进程名称&#xff08;可能需要根据你的安装进行调整&#xff09; RABBITMQ_PROCE…
阅读更多...
代码随想录算法训练营第34天｜46. 携带研究材料、416. 分割等和子集

代码随想录算法训练营第34天｜46. 携带研究材料、416. 分割等和子集

文章目录 46. 携带研究材料416. 分割等和子集 46. 携带研究材料 卡码网 46. 携带研究材料 代码随想录 dp[i][j]表示&#xff0c;考虑到第i个物品的情况下&#xff0c;背包容量为j的最大价值。 m, n map(int, input().split(" ")) costs list(map(int, input().spl…
阅读更多...
水波荡漾效果+渲染顺序+简单UI绘制

水波荡漾效果+渲染顺序+简单UI绘制

创建场景及布置 创建新场景Main,在Main场景中创建一个plane物体&#xff0c;命名为WaterWavePla,具体数值及层级面板排布如下&#xff1a; 编写脚本 创建一个文件夹&#xff0c;用于存放脚本&#xff0c;命名Scripts,创建一个子文件夹Effect,存放特效相关脚本&#xff0c;创建…
阅读更多...
WAF，全称Web Application Firewall，好用WAF推荐

WAF，全称Web Application Firewall，好用WAF推荐

WAF&#xff0c;全称Web Application Firewall&#xff0c;即Web应用防火墙&#xff0c;是一种网络安全设备&#xff0c;旨在保护Web应用程序免受各种Web攻击&#xff0c;如SQL注入、跨站脚本&#xff08;XSS&#xff09;、跨站请求伪造&#xff08;CSRF&#xff09;等。 WAF通…
阅读更多...
前端面试经验总结2(经典问题篇)

前端面试经验总结2(经典问题篇)

谈谈你对前端的理解 前端主要负责产品页面部分的实现&#xff0c;是最贴近于用户的程序员。 基本工作要求&#xff1a; 1.参与项目&#xff0c;通过与团队成员&#xff0c;UI设计&#xff0c;产品经理的沟通&#xff0c;快速高质量的实现效果图&#xff0c;并能够精确到1px 2.做…
阅读更多...
最新文章

Copyright @ 2022~2023