一、概述

   对于原始点云，通过其点云法向量进行下采样，在法向量变化大的地方采样密度大，在法向量变化小的地方，采样密度小。

1. 计算点云的空间法向量。
2. 依次计算相邻点之间的法向量夹角，以此近似判断每个点的曲率。曲率大的地方判断为边缘点，曲率小的地方判断为内部点。
3. 对于曲率大的地方（边缘点），下采样量级小（稠密）。曲率小的地方（内部点），下采样量级大（稀疏）。以此达到采样的同时保存边缘特征的目的。

二、代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>
#include <pcl/filters/normal_space.h>

#include <pcl/visualization/pcl_visualizer.h>

// 可视化两个点云
void twoPointCloudViewer(pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud1, pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud2)
{
	// 输出结果到可视化窗口
	// 创建可视化窗口
	pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("3D PointCloud Viewer"));

	// 设置视口1，显示原始点云
	int v1;
	viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1);  // 左侧窗口
	viewer->setBackgroundColor(0.0, 0.0, 0.0, v1);  // 黑色背景
	viewer->addText("cloud1 PointCloud", 10, 10, "vp1_text", v1);  // 标题
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud1, 0, 255, 0);  // 绿色
	viewer->addPointCloud(cloud1, cloud_color_handler, "original_cloud", v1);

	// 设置视口2，显示体素中心点云
	int v2;
	viewer->createViewPort(0.5, 0.0, 1.0, 1.0, v2);  // 右侧窗口
	viewer->setBackgroundColor(0.0, 0.0, 0.0, v2);   // 黑色背景
	viewer->addText("cloud2 PointCloud", 10, 10, "vp2_text", v2);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> voxel_center_color_handler(cloud2, 255, 0, 0);  // 红色
	viewer->addPointCloud(cloud2, voxel_center_color_handler, "2_cloud", v2);

	// 设置点的大小
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", v1);
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "2_cloud", v2);

	// 添加坐标系
   /* viewer->addCoordinateSystem(0.1);
	viewer->initCameraParameters();*/

	// 可视化循环
	while (!viewer->wasStopped())
	{
		viewer->spinOnce(100);
	}

}


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<pcl::PointXYZ>("dragon.pcd", *cloud) == -1)
    {
        PCL_ERROR("Couldn't read the PCD file!\n");
        return -1;
    }

    // 计算法线
    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimation;
    normal_estimation.setInputCloud(cloud);
    normal_estimation.setRadiusSearch(0.005);  // 设置搜索半径
    normal_estimation.compute(*normals);       // 计算法线

    // 法线空间下采样滤波
    pcl::NormalSpaceSampling<pcl::PointXYZ, pcl::Normal> filters;
    filters.setInputCloud(cloud);                   // 输入点云
    filters.setNormals(normals);                    // 设置法线
    filters.setBins(200, 200, 200);                 // 设置法向空间的分类组数（这个方法会影响到最终的结果）
    filters.setSeed(0);                             // 设置随机数种子点，这个点设置之后，可以保证每次生成的结果一致
    filters.setSample(cloud->points.size() / 10);   // 结果点云的个数
	pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud(new pcl::PointCloud<pcl::PointXYZ>);
    filters.filter(*sampled_cloud);

    // 可视化
    twoPointCloudViewer(cloud, sampled_cloud);

    return 0;
}

三、结果