PCL：点云下采样——VoxelGrid滤波器

VoxelGrid滤波器是使用体素化网格的方法实现下采样，并保持点云的形状特征；

1. 具体：voxelGrid类通过在点云数据中创建三维体素栅格，然后用每个体素的重心来近似表达体素中的其它点。

2. 评价：这种方法比用体素中心来逼近的方法更慢，但它对采样点对应曲面的表示更为准确；

3. 代码：

#include 
#include 
#include 
#include 
int
main (int argc, char** argv)
{
  pcl::PCLPointCloud2::Ptr cloud (new pcl::PCLPointCloud2 ());
  pcl::PCLPointCloud2::Ptr cloud_filtered (new pcl::PCLPointCloud2 ());
  // 填入点云数据
  pcl::PCDReader reader;
  // 把路径改为自己存放文件的路径
  reader.read ("table_scene_lms400.pcd", *cloud); // 记住要事先下载这个数据集！
  std::cerr << "PointCloud before filtering: " << cloud->width * cloud->height 
       << " data points (" << pcl::getFieldsList (*cloud) << ").";
  // 创建滤波器对象
  pcl::VoxelGrid sor;
  sor.setInputCloud (cloud);
  sor.setLeafSize (0.01f, 0.01f, 0.01f);// 单位：m
  sor.filter (*cloud_filtered);
  std::cerr << "PointCloud after filtering: " << cloud_filtered->width * cloud_filtered->height 
       << " data points (" << pcl::getFieldsList (*cloud_filtered) << ").";
  pcl::PCDWriter writer;
  writer.write ("table_scene_lms400_downsampled.pcd", *cloud_filtered, 
         Eigen::Vector4f::Zero (), Eigen::Quaternionf::Identity (), false);
  return (0);
}

4. 效果图：

      

左图：下采样前（点数：460400）；右图：下采样后（点数：41049）；

5. 结果分析：

过滤前后点云的密度与整齐程度不同，但基本保留了形状特征与空间结构信息；

6. 遇到问题：

报错： error: ‘sensor_msgs’ has not been declared；（如下图）

原因：因为sensor_msgs命名空间已经从PCL 1.7中移除了；

解决：比如将 sensor_msgs::PointCloud2 改为 pcl::PCLPointCloud2 ；