使用哪个 pcl 滤波器对点云进行下采样

Question

我从自动驾驶机器人上的激光雷达获取点云，但数据量太大，无法处理。

我已经实现了直通过滤器。

我确实得到了非常好的结果，我问自己是否还有其他过滤器或方法可以挖掘。

当然，我并不是在寻找任何具体的东西，而是在寻找方向或建议，因为我对 pcl 库还很陌生，而且它看起来相当庞大。

现在这是我的过滤器：

pcl::PointCloud<PointXYZIR>::Ptr cloudInput;

cloudInput.reset(new pcl::PointCloud<PointXYZIR> (cloud_in));

pcl::PointCloud<PointXYZIR>::Ptr cloudFiltered;
cloudFiltered.reset(new pcl::PointCloud<PointXYZIR>);

// Create the filtering object: downsample the dataset using a leaf size
pcl::VoxelGrid<PointXYZIR> avg;
avg.setInputCloud(cloudInput);
avg.setLeafSize(0.25f, 0.25f, 0.25f);
avg.filter(*cloudFiltered);

//Filter object
pcl::PassThrough<PointXYZIR> filter;
filter.setInputCloud(cloudFiltered);

filter.setFilterFieldName("x");
filter.setFilterLimits(-100, 100);
filter.filter(*cloudFiltered);

filter.setFilterFieldName("y");
filter.setFilterLimits(-100, 100);
filter.filter(*cloudFiltered);

cloud_out = *cloudFiltered;

Answer 1

其实我确实找到了解决方案，但没有通用的解决方案。就我而言，我认为这个问题非常具体于您将获得哪个点云以及您想用它做什么。

passtrought 滤波器是一种非常有效的下采样方法，而且不会冒太多丢失感兴趣数据的风险。

http://pointclouds.org/documentation/tutorials/passthrough.php

然后我测试了 StatisticalOutlierRemoval，它很有效，但与我的情况无关。

http://pointclouds.org/documentation/tutorials/statistical_outlier.php

现在，我使用 leafsize 函数对点云进行下采样，然后创建一个 kdtree 以按半径过滤点。其计算量与直通滤波器的计算量大致相同，但在我的项目中这样做更有意义。

// Create the filtering object: downsample the dataset using a leaf size

pcl::VoxelGrid<PointXYZIR> avg;
avg.setInputCloud(cloudInput);
avg.setLeafSize(0.25f, 0.25f, 0.25f);
avg.filter(*cloudFiltered);

//searchPoint
PointXYZIR searchPoint = cloudFiltered->at(0) ;

//result from radiusSearch()
std::vector<int> pointIdxRadiusSearch;
std::vector<float> pointRadiusSquaredDistance;

//kdTree
pcl::KdTreeFLANN<PointXYZIR> kdtree;
kdtree.setInputCloud (cloudFiltered);
kdtree.setSortedResults(true);

if ( kdtree.radiusSearch (searchPoint, 100, pointIdxRadiusSearch, pointRadiusSquaredDistance) > 0 )
{
    //delete every point in target
    for (size_t j = 0; j < pointIdxRadiusSearch.size (); ++j)
    {
        //is this the way to erase correctly???
        cloud_out.push_back(cloudFiltered->points[pointIdxRadiusSearch[j]]);
    }
}