点云 | 求异（附C++源码）

Posted 2021-04-23 从0到1的点云

前段时间，介绍了点云求异的一种思路，但那样做，不够精确，需要事先对点云进行相关的操作，结果准确度很依赖于配准精度。

今天介绍另外一种求异的思路，利用PCL的八叉树，直接对点云求异

思路如下：假设需要寻找点云中a，b点云的不同部分，我们首先建立a，b的八叉树，求异的精确度取决于你设置的八叉树的分辨率，一般来讲，分辨率越低，代表你的八叉树最后的叶子空间越小，结果也就越精确。但太小可能会导致相反效果，会使得结果跟b本身的数据量很接近，达不到效果。

然后比较a，b的树结构，对于a，b树结构不同的部分，就是我们要求的点云相异的点。

好在这一过程PCL中已经有函数了，我们只需要组织一下就能应用了。

#include <iostream>#include <pcl/point_cloud.h>#include <pcl/octree/octree.h>#include <vector>#include <ctime>//函数用来生成随机点void random_cloud(pcl::PointCloud<pcl::PointXYZ>::Ptr &cloud, int number){ srand((unsigned int)time(NULL)); (*cloud).height = 1;//random cloud flag (*cloud).width= number; (*cloud).points.resize(((*cloud).height)*((*cloud).width)); for (size_t i = 0; i < (*cloud).points.size(); i++) { (*cloud).points[i].x = 64.0f*rand() / (RAND_MAX + 1.0F); (*cloud).points[i].y = 64.0f*rand() / (RAND_MAX + 1.0F); (*cloud).points[i].z = 64.0f*rand() / (RAND_MAX + 1.0F); }}


int main(){  float resolution = 32.0f; pcl::octree::OctreePointCloudChangeDetector<pcl::PointXYZ> octree(resolution); pcl::PointCloud<pcl::PointXYZ>::Ptr cloudA(new pcl::PointCloud<pcl::PointXYZ>); random_cloud(cloudA, 128); pcl::PointCloud<pcl::PointXYZ>::Ptr cloudB(new pcl::PointCloud<pcl::PointXYZ>); random_cloud(cloudB, 5000); octree.setInputCloud(cloudA); octree.addPointsFromInputCloud();  octree.switchBuffers();//点云交换缓冲区，但a点云仍在八叉树内 octree.setInputCloud(cloudB); octree.addPointsFromInputCloud(); std::vector<int> new_point_index; octree.getPointIndicesFromNewVoxels(new_point_index); if (new_point_index.empty()!=0)    std::cout << "vector no points!"<<std::endl;; return 0;}

以上求得的是b-a的操作，即b相对于a增加的点号被保存在new_point_index里，实际上，并不能求得b相对a减少的点，若需要这样我们可以把程序的顺序颠倒一下，去求a-b的操作，两个综合起来就是相异部分了。

参考书籍：PCL点云库从入门到精通