基礎(chǔ)下采樣

1.1 點(diǎn)云隨機(jī)下采樣

點(diǎn)云下采樣是對(duì)點(diǎn)云以一定的采樣規(guī)則重新進(jìn)行采樣，目的是在保證點(diǎn)云整體幾何特征不變的情況下，降低點(diǎn)云的密度，進(jìn)而可以降低相關(guān)處理的數(shù)據(jù)量和算法復(fù)雜度。

隨機(jī)下采樣顧名思義，隨機(jī)下采樣就似乎在原始點(diǎn)云中隨機(jī)采樣一定點(diǎn)數(shù)的點(diǎn)。這種方法最終得到的點(diǎn)云數(shù)量也是固定的。

pcl::PointCloud< PointT >::Ptr cloud_sub(new pcl::PointCloud< PointT >);    //隨機(jī)下采樣點(diǎn)云
    pcl::RandomSample< PointT > rs;    //創(chuàng)建濾波器對(duì)象
    rs.setInputCloud(cloud);                //設(shè)置待濾波點(diǎn)云
    rs.setSample(20000);                    //設(shè)置下采樣點(diǎn)云的點(diǎn)數(shù)
    //rs.setSeed(1);                        //設(shè)置隨機(jī)函數(shù)種子點(diǎn)
    rs.filter(*cloud_sub);                    //執(zhí)行下采樣濾波，保存濾波結(jié)果于cloud_sub

1.2 體素下采樣

體素下采樣的原理如圖1所示，首先將點(diǎn)云空間進(jìn)行網(wǎng)格化，也稱體素化，即圖1(b)，網(wǎng)格化后的每一個(gè)格子稱為體素，在這些劃分為一個(gè)個(gè)極小的格子中包含一些點(diǎn)，然后對(duì)這些點(diǎn)取平均或加權(quán)平均得到一個(gè)點(diǎn)，以此來(lái)替代原來(lái)網(wǎng)格中所有的點(diǎn)，即圖1(c)中藍(lán)色的點(diǎn)。顯然，網(wǎng)格選取越大則采樣之后的點(diǎn)云越少，處理速度變快，但會(huì)對(duì)原先點(diǎn)云過(guò)度模糊，網(wǎng)格選取越小，則作用相反。

pcl::VoxelGrid< pcl::PointXYZ > sor;    //創(chuàng)建體素網(wǎng)格采樣處理對(duì)象
 sor.setInputCloud(cloud);             //設(shè)置輸入點(diǎn)云
 sor.setLeafSize(0.01f, 0.01f, 0.01f); //設(shè)置體素大小，單位：m
 sor.filter(*cloud_filtered);          //進(jìn)行下采樣

1.3 均勻采樣

均勻采樣的原理類似于體素化網(wǎng)格采樣方法，同樣是將點(diǎn)云空間進(jìn)行劃分，不過(guò)是以半徑=r的球體，在當(dāng)前球體所有點(diǎn)中選擇距離球體中心最近的點(diǎn)替代所有點(diǎn)，注意，此時(shí)點(diǎn)的位置是不發(fā)生移動(dòng)的。

球體半徑選取越大則采樣之后的點(diǎn)云越少，處理速度變快，但會(huì)對(duì)原先點(diǎn)云過(guò)度模糊，網(wǎng)格選取越小，則作用相反。

pcl::UniformSampling< pcl::PointXYZ > form;   // 創(chuàng)建均勻采樣對(duì)象
form.setInputCloud(cloud);                  //設(shè)置輸入點(diǎn)云
form.setRadiusSearch(0.02f);                //設(shè)置半徑大小,單位:m
form.filter(*after_cloud);                  //執(zhí)行濾波處理

1.4 增采樣

增采樣的特點(diǎn)是可極大的增加點(diǎn)云數(shù)據(jù)，但由于內(nèi)插點(diǎn)的不確定性會(huì)導(dǎo)致最后輸出的結(jié)果不一定準(zhǔn)確。

//創(chuàng)建增采樣對(duì)象
pcl::MovingLeastSquares< pcl::PointXYZ,pcl::PointXYZ > filter;    
filter.setInputCloud(cloud);                     //設(shè)置輸入點(diǎn)云
pcl::search::KdTree< pcl::PointXYZ >::Ptr kdtree;  //定義搜索方法
filter.setSearchMethod(kdtree);                  //設(shè)置搜索方法
filter.setSearchRadius(0.03);    //設(shè)置搜索鄰域的半徑為3cm  
//Upsampling 采樣的方法還有 DISTINCT_CLOUD, RANDOM_UNIFORM_DENSITY
filter.setUpsamplingMethod(pcl::MovingLeastSquares< pcl::PointXYZ, pcl::PointXYZ >::SAMPLE_LOCAL_PLANE);     //對(duì)點(diǎn)云進(jìn)行上采樣
filter.setUpsamplingRadius(0.03);    //設(shè)置采樣半徑大小，3cm
filter.setUpsamplingStepSize(0.02);  //設(shè)置采樣步長(zhǎng)大小，2cm
filter.process(*after_cloud);      //執(zhí)行采樣操作

1.5 滑動(dòng)最小二乘法采樣

滑動(dòng)最小二乘法采樣的原理是將點(diǎn)云進(jìn)行了滑動(dòng)最小二乘法的映射，使得輸出的點(diǎn)云更加平滑。

pcl::PointCloud< pcl::PointNormal >::Ptr smoothedCloud(new pcl::PointCloud< pcl::PointNormal >);   //定義法線
pcl::MovingLeastSquares< pcl::PointXYZ, pcl::PointNormal > filter;
pcl::search::KdTree< pcl::PointXYZ >::Ptr kdtree;  //定義搜索方法
filter.setInputCloud(cloud);    //設(shè)置輸入點(diǎn)云
filter.setUpsamplingMethod();  //增加密度較小區(qū)域的密度對(duì)于holes的填補(bǔ)卻無(wú)能為力，具體方法要結(jié)合參數(shù)使用
filter.setSearchRadius(10);// 用于擬合的K近鄰半徑。在這個(gè)半徑里進(jìn)行表面映射和曲面擬合。半徑越小擬合后曲面的失真度越小，反之有可能出現(xiàn)過(guò)擬合的現(xiàn)象。
filter.setPolynomialFit(true);  //對(duì)于法線的估計(jì)是有多項(xiàng)式還是僅僅依靠切線。true為加多項(xiàng)式；false不加，速度較快
filter.setPolynomialFit(3);      // 擬合曲線的階數(shù)
filter.setComputeNormals(true);  // 是否存儲(chǔ)點(diǎn)云的法向量，true 為存儲(chǔ)，false 不存儲(chǔ)
filter.setSearchMethod(kdtree); //設(shè)置搜索方法
filter.process(*smoothedCloud); //處理點(diǎn)云并輸出