PCL中使用VoxelGrid体素滤波器对点云进行降采样

使用体素化网格方法实现降采样，即减少点的数量，减少点云数据，并同时保持点云的形状特征，在提高配准、曲面重建、形状识别等算法速度中非常实用。

PCL实现的VoxelGrid类通过输入的点云数据创建一个三维体素栅格（可把体素栅格想象为微小的空间三维立方体的集合），然后在每个体素（即，三维立方体）内，用体素中所有点的重心来近似显示体素中其他点，这样该体素就内所有点就用一个重心点最终表示，对于所有体素处理后得到过滤后的点云。这种方法比用体素中心来逼近的方法更慢，但它对于采样点对应曲面的表示更为准确。

所以这种方法可以用于对大数据量的降采样处理，尤其是在配准、曲面重建等工作之前通过这种方式对数据进行预处理，可以提高程序的运行速度。

下载测试数据文件 table_scene_lms400.pcd 并保存下来，放到同一文件夹下

完整的源码src/voxel_grid_filter.cpp文件如下：

#include 
#include 
#include 
#include 
 
#include 
#include 

int main(int argc, char** argv) 
{
     std::vector<int> filenames;
     filenames = pcl::console::parse_file_extension_argument (argc, argv, ".pcd");

     pcl::PointCloud<pcl::PointXYZI>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZI>);
     pcl::PointCloud<pcl::PointXYZI>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZI>);
     // 装载点云数据
     pcl::io::loadPCDFile(argv[filenames[0]], *cloud);

     // 创建滤波器对象
     pcl::VoxelGrid<pcl::PointXYZI> sor;//滤波器处理对象
     sor.setInputCloud(cloud);//设置输入点云
     sor.setLeafSize(0.01f, 0.01f, 0.01f);//设置滤波器处理时采用的体素大小的参数，体素大小是长宽高均为0.01
     sor.filter(*cloud_filtered);//执行下采样，下采样之后的点云数据保存到 cloud_filtered 中
     std::cerr << "PointCloud after filtering: " << cloud_filtered->width * cloud_filtered->height
          << " data points (" << pcl::getFieldsList(*cloud_filtered) << ").";
     //保存转换的输入点云
     pcl::io::savePCDFileASCII("output_downsampled.pcd", *cloud_filtered);

     pcl::visualization::CloudViewer viewer("Cloud Viewer");
     
     viewer.showCloud(cloud_filtered);//showCloud函数是同步的，会在此处等待直到渲染显示为止
     
     while (!viewer.wasStopped())
     {
          //在此处添加其他处理
          
     }

     return (0);
}

CMakeLists.txt 文件如下：

cmake_minimum_required(VERSION 2.8 FATAL_ERROR)
 
project(pcl-voxel_grid_filter)
 
find_package(PCL 1.2 REQUIRED)
 
include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})
 
add_executable (voxel_grid_filter src/voxel_grid_filter.cpp)
target_link_libraries (voxel_grid_filter ${PCL_LIBRARIES})

然后在文件夹下新建build文件夹，并编译然后运行

mkdir build
cd build/
cmake ..
make  #编译
cd ..
build/voxel_grid_filter table_scene_lms400.pcd  

运行之后可以得到如下效果:

可以看到过滤前后的数据量大大减少，处理前点云数为460400，而处理后为41049。从可视化结果，明显也能看出，点的密度大小与整齐程度不同，虽然处理后数据量大大减少，但很明显其所含有的形状特征与空间结构信息与原始点云差不多。

然后，在当前目录下，会把降采样的结果保存到 output_downsampled.pcd 中。
通过 pcl_viewer output_downsampled.pcd 可以查看

参考链接：
[1] Downsampling a PointCloud using a VoxelGrid filter — http://www.pointclouds.org/documentation/tutorials/voxel_grid.php#voxelgrid
[2] 使用VoxelGrid滤波器对点云进行下采样 http://www.pclcn.org/study/shownews.php?lang=cn&id=67