PCL 索引空间采样（非均匀体素采样）【2024最新版】

### 使用 PCL 获取点云的体素索引 为了获取点云数据的体素索引，在 PCL 中通常会采用 `VoxelGrid` 类来创建体素网格并进行相应的操作。该类允许设置体素大小，即定义每个维度上的分辨率，并能有效地减少点云的数据量。 下面是一个简单的 C++ 实现例子，用于展示如何将点云转换成体素表示形式，并获得各个点所属的体素索引： ```cpp #include <pcl/point_cloud.h> #include <pcl/io/pcd_io.h> #include <pcl/filters/voxel_grid.h> int main(int argc, char** argv){ // 加载输入点云文件 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); if (pcl::io::loadPCDFile<pcl::PointXYZ>("input.pcd", *cloud) == -1) { std::cerr << "无法加载点云文件." << std::endl; return (-1); } // 创建 VoxelGrid 对象 pcl::VoxelGrid<pcl::PointXYZ> voxel_filter; // 设置输入点云 voxel_filter.setInputCloud(cloud); // 定义体素尺寸（单位：米） float leaf_size = 0.05f; // 叶子节点边长设为5厘米 voxel_filter.setLeafSize(leaf_size, leaf_size, leaf_size); // 存储下采样后的点云 pcl::PointCloud<pcl::PointXYZ>::Ptr downsampled_cloud(new pcl::PointCloud<pcl::PointXYZ>); // 执行过滤器处理 voxel_filter.filter(*downsampled_cloud); // 输出原始点数和降采样后剩余点的数量 std::cout << "原始点数量：" << cloud->points.size() << "; 下采样之后保留下来的点数量：" << downsampled_cloud->points.size() << "." << std::endl; // 遍历每一个点找到其对应的体素位置 for(const auto& point : *downsampled_cloud){ int ijk[3]; double min_point[3], max_point[3]; // 获得当前体素栅格最小最大边界坐标 voxel_filter.getCentroidIndexAt(ijk, point.x, point.y, point.z); // 将ijk转为实际的空间坐标系下的min/max值 voxel_filter.getMinMaxXYZ(min_point,max_point); printf("Point(%f,%f,%f)'s centroid index is (%d,%d,%d)\n", point.x, point.y, point.z, ijk[0], ijk[1], ijk[2]); } } ``` 此代码片段展示了怎样读取一个 `.pcd` 文件作为输入源，应用体素滤波器降低点密度，并打印出每个剩下点所处的具体体素的位置信息[^4]。 #### 关键概念解析 - **叶子大小**: 这里指的是构成体素立方体每条边的实际长度，它决定了最终得到多少个体素单元。 - **getCentroidIndexAt 方法**: 此方法接收三个浮点型参数代表某一点在笛卡尔坐标系里的具体位置(x,y,z)，返回整数值数组ijk[]，指示这个特定点位于哪个体素中心附近；注意这里的ijk并不是直接对应于xyz轴方向的距离而是离散化后的索引编号。