PCL 点云添加均匀分布的随机噪声【2024最新版】

### 使用 PCL 进行点云均匀下采样 通过体素栅格滤波器可以实现高效而均匀的点云下采样。该方法通过对空间进行离散化处理，即将三维空间划分为一系列互不重叠的小立方体（即体素）。对于落在同一个体素内的所有点，仅保留其中一个代表性的点作为输出的一部分[^1]。 具体到编程实践上，在 Point Cloud Library (PCL) 中利用 `VoxelGrid` 类来完成这项工作： ```cpp #include <pcl/io/pcd_io.h> #include <pcl/filters/voxel_grid.h> int main(int argc, char** argv){ pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); // 加载原始点云数据文件 if(pcl::io::loadPCDFile<pcl::PointXYZ>("test_pcd.pcd", *cloud) == -1){ PCL_ERROR ("Couldn't read file test_pcd.pcd \n"); return (-1); } std::cerr << "加载前点数: " << cloud->width * cloud->height <<std::endl; // 创建过滤对象并设置参数 pcl::VoxelGrid<pcl::PointXYZ> sor; sor.setInputCloud(cloud); // 设置输入点集 sor.setLeafSize(0.01f, 0.01f, 0.01f); // 定义体素大小 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>); sor.filter(*cloud_filtered); std::cerr << "降采样后的点数 : " << cloud_filtered->width * cloud_filtered->height << std::endl; // 存储结果至新文件 pcl::io::savePCDFileASCII("filtered_cloud.pcd",*cloud_filtered); } ``` 上述代码展示了如何读取一个 `.pcd` 文件格式存储的点云，并对其进行基于指定分辨率（本例中为 0.01m）的体素网格简化操作。最终得到的结果被保存到了一个新的`.pcd`文件当中[^2]。