pcl filter模块

Module filters：https://pointclouds.org/documentation/group__filters.html
RandomSample、UniformSampling、VoxelGrid都包含在其中

RandomSample

RandomSample也就是随机降采样，随机选择n个点，每个点被选到的概率相同，可以得到固定的点数量；
缺点：如果原点云是不均匀的，比如有的地方密度大，有的地方密度小，那么RandomSample采样后的点云同样是不均匀的，分布同云点云。虽然每个点被选到的概率一样，但密度大的区域内点比较多，这个区域内被采样的机会就更多，因此原来密度大的地方，采样后，密度还是大。
pcl官方文档：Point Cloud Library (PCL): pcl::RandomSample< PointT > Class Template Reference

UniformSampling

一般也叫做均匀采样，把点云划分至同等大小的空间网格，对某一个网格 G i G_i Gi​，其中心为 p i p_i pi​，网格里面包含k个点，最后是以k个点里面离网格中心中心 p i p_i pi​最近的点来代表这k个点；采样得到的点是均匀的，并且仍是原点云中的点。
pcl官方文档：
Point Cloud Library (PCL): pcl::UniformSampling< PointT > Class Template Reference

VoxelGrid

一般也叫做体素降采样，也是把点云划分至同等大小的空间网格,对某一个网格 G i G_i Gi​，网格里面包含k个点，计算k个点的质心 p i p_i pi​，最后是以质心 p i p_i pi​来代表这k个点；采样得到的点是均匀的，但采样后的点不是原点云中的点，而是重新计算出来的。
pcl官方文档：
Point Cloud Library (PCL): pcl::VoxelGrid< PointT > Class Template Reference

应用

RandomSample一般比较快，可以快速得到想采样的固定点数，适用于点本身比较均匀，需要固定点数的情景
VoxelGrid与UniformSampling一般情况下差别不是很大，而且都能得到均匀分布的点，但是在大场景，比如点间距离以米为单位这种情况，如果用VoxelGrid就会导致精度损失比较大，因为质心是计算出来的点，本不属于原点云，这样的情况下，质心点可能就会与原来的点有着米级的误差。

参考

Point Cloud Library (PCL): Module filters

完

--------------------------------------------------------------------------------------------诺有缸的高飞鸟202108

---------------------
作者：诺有缸的高飞鸟
来源：CSDN
原文：https://blog.csdn.net/qq_41102371/article/details/119799224
版权声明：本文为作者原创文章，转载请附上博文链接！
内容解析By：CSDN,CNBLOG博客文章一键转载插件