目录

一、概述

1.1原理

1.2实现步骤

1.3应用场景

二、代码实现

2.1关键函数

2.1.1 体素滤波实现

2.1.2 可视化函数

2.2完整代码

三、实现效果

---

PCL点云算法汇总及实战案例汇总的目录地址链接：

PCL点云算法与项目实战案例汇总（长期更新）

---

一、概述

        体素滤波（Voxel Grid Filter） 是一种常用的点云降采样方法。它通过将点云划分为固定大小的三维网格（体素），然后用每个体素内的点的代表值（如质心）来代替体素内的所有点，从而达到减少点云数据量的目的。

1.1原理

体素滤波的基本思想是：

1. 空间划分：将点云空间划分为大小相同的体素网格，每个体素是一个立方体区域。
2. 点替换：对于每个体素，将其中的所有点用一个代表点替换，通常是这些点的质心或中心点。
3. 降采样：通过上述过程，原始点云被降采样为较少的点，同时保持点云的整体结构和形状。

1.2实现步骤

1. 读取点云数据：使用 PCL 的 I/O 函数读取点云文件。
2. 设置体素滤波器参数：定义体素网格的尺寸（叶子大小）。
3. 应用滤波器：生成降采样后的点云。
4. 可视化结果：将原始点云和降采样后的点云进行可视化，对比效果。原始点云为红色，降采样后的点云为绿色。

1.3应用场景

1. 数据简化：在处理高密度点云时，降采样可以减少计算量，提高处理效率。
2. 特征提取：在某些算法中，可能需要低分辨率的点云来加速计算。
3. 预处理：在进行点云配准或表面重建前，对点云进行降采样以提高效率。

二、代码实现

2.1关键函数

2.1.1 体素滤波实现

使用 pcl::VoxelGrid 对点云进行体素滤波。

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>

// 体素滤波函数
pcl::PointCloud<pcl::PointXYZ>::Ptr voxelGridFilter(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 输入点云
    float leaf_size                             // 体素网格尺寸（叶子大小）
)
{
    // 创建体素滤波对象，并设置参数
    pcl::VoxelGrid<pcl::PointXYZ> voxel_filter;
    voxel_filter.setInputCloud(cloud);              // 设置输入点云
    voxel_filter.setLeafSize(leaf_size, leaf_size, leaf_size);  // 设置体素网格尺寸

    // 滤波后的点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    voxel_filter.filter(*filtered_cloud);           // 应用滤波

    return filtered_cloud;  // 返回降采样后的点云
}

2.1.2 可视化函数

使用 PCL 可视化库展示原始点云和降采样后的点云，并设置颜色：原始点云为红色，降采样后的点云为绿色。

#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和降采样后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,          // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud  // 降采样后的点云
)
{
    // 创建可视化器
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Voxel Grid Filter Viewer"));

    // 创建视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);          // 创建左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);           // 设置白色背景
    viewer->addText("Raw Point Cloud", 10, 10, "vp1_text", vp_1);  // 添加标题

    // 设置原始点云的颜色为红色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud<pcl::PointXYZ>(cloud, cloud_color_handler, "original_cloud", vp_1);  // 添加原始点云

    // 创建视口2，显示降采样后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);          // 创建右侧窗口
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);        // 设置浅灰色背景
    viewer->addText("Filtered Point Cloud", 10, 10, "vp2_text", vp_2);  // 添加标题

    // 设置降采样后的点云的颜色为绿色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> filtered_cloud_color_handler(filtered_cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud<pcl::PointXYZ>(filtered_cloud, filtered_cloud_color_handler, "filtered_cloud", vp_2);  // 添加降采样后的点云

    // 设置点的大小（可选）
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "filtered_cloud", vp_2);

    // 启动可视化循环
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);  // 刷新可视化器
    }
}

2.2完整代码

// C++头文件
#include <iostream>
// PCL头文件
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>         // 体素滤波
#include <pcl/visualization/pcl_visualizer.h>

// 体素滤波函数
pcl::PointCloud<pcl::PointXYZ>::Ptr voxelGridFilter(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 输入点云
    float leaf_size                             // 体素网格尺寸（叶子大小）
)
{
    // 创建体素滤波对象，并设置参数
    pcl::VoxelGrid<pcl::PointXYZ> voxel_filter;
    voxel_filter.setInputCloud(cloud);              // 设置输入点云
    voxel_filter.setLeafSize(leaf_size, leaf_size, leaf_size);  // 设置体素网格尺寸

    // 滤波后的点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    voxel_filter.filter(*filtered_cloud);           // 应用滤波

    return filtered_cloud;  // 返回降采样后的点云
}

// 可视化原始点云和降采样后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,          // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud  // 降采样后的点云
)
{
    // 创建可视化器
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Voxel Grid Filter Viewer"));

    // 创建视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);          // 创建左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);           // 设置白色背景
    viewer->addText("Raw Point Cloud", 10, 10, "vp1_text", vp_1);  // 添加标题

    // 设置原始点云的颜色为红色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud<pcl::PointXYZ>(cloud, cloud_color_handler, "original_cloud", vp_1);  // 添加原始点云

    // 创建视口2，显示降采样后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);          // 创建右侧窗口
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);        // 设置浅灰色背景
    viewer->addText("Filtered Point Cloud", 10, 10, "vp2_text", vp_2);  // 添加标题

    // 设置降采样后的点云的颜色为绿色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> filtered_cloud_color_handler(filtered_cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud<pcl::PointXYZ>(filtered_cloud, filtered_cloud_color_handler, "filtered_cloud", vp_2);  // 添加降采样后的点云

    // 设置点的大小（可选）
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "filtered_cloud", vp_2);

    // 启动可视化循环
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);  // 刷新可视化器
    }
}

int main(int argc, char** argv)
{
    // ------------------------------读取点云数据---------------------------------
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile("bunny.pcd", *cloud) < 0)
    {
        PCL_ERROR("Could not read file\n");
        return (-1);  // 返回错误
    }

    // -------------------------------体素滤波---------------------------------
    float leaf_size = 0.005f;  // 设置体素网格尺寸（叶子大小）
    pcl::PointCloud<pcl::PointXYZ>::Ptr filtered_cloud = voxelGridFilter(cloud, leaf_size);  // 应用体素滤波

    // ------------------------------可视化原始点云和降采样后的点云---------------------------------
    visualizePointClouds(cloud, filtered_cloud);  // 调用可视化函数

    return 0;
}

三、实现效果