法線空間采樣

NormalSpaceSampling即：法線空間采樣，它在法向量空間內(nèi)均勻隨機(jī)抽樣，使所選點(diǎn)之間的法線分布盡可能大，結(jié)果表現(xiàn)為地物特征變化大的地方剩余點(diǎn)較多，變化小的地方剩余點(diǎn)稀少，可有效保持地物特征。實(shí)現(xiàn)方法如下：

1、首先計(jì)算每個(gè)點(diǎn)的K領(lǐng)域，然后計(jì)算點(diǎn)到領(lǐng)域點(diǎn)的法線夾角值，以此來近似達(dá)到曲率的效果并提高計(jì)算效率，因?yàn)榍试酱蟮牡胤?，夾角值越大。

2、設(shè)置一個(gè)角度閾值，當(dāng)點(diǎn)的領(lǐng)域夾角值大于閾值時(shí)被認(rèn)為是特征明顯的區(qū)域，其余區(qū)域?yàn)椴幻黠@區(qū)域。

3、對(duì)明顯和不明顯區(qū)域進(jìn)行均勻采樣，采樣數(shù)分別為U_(1-V)和U_V,U是目標(biāo)采樣數(shù)，V是均勻采樣性。

// 創(chuàng)建基于鄰域的法向估計(jì)類對(duì)象
 // // 基于omp并行加速，需配置開啟OpenMP
 // pcl::NormalEstimationOMP< pcl::PointXYZ, pcl::Normal > ne; 
 // ne.setNumberOfThreads(10);
 pcl::NormalEstimation< pcl::PointXYZ, pcl::Normal > ne;
 // 創(chuàng)建一個(gè)空的kdtree對(duì)象，并把它傳遞給法線估計(jì)對(duì)象，
 // 用于創(chuàng)建基于輸入點(diǎn)云數(shù)據(jù)的鄰域搜索kdtree
 pcl::search::KdTree< pcl::PointXYZ >::Ptr 
             tree(new pcl::search::KdTree< pcl::PointXYZ >());
 // 傳入待估計(jì)法線的點(diǎn)云數(shù)據(jù)，智能指針
 ne.setInputCloud(cloud_src);
 // 傳入kdtree對(duì)象，智能指針
 ne.setSearchMethod(tree);
 // 設(shè)置鄰域搜索半徑
 ne.setRadiusSearch(0.1f);    // 設(shè)置半徑時(shí)，要考慮到點(diǎn)云空間間距
 // // 也可以設(shè)置最近鄰點(diǎn)個(gè)數(shù)
 // ne.setKSearch(25);
 // 設(shè)置視點(diǎn)源點(diǎn)，用于調(diào)整點(diǎn)云法向（指向視點(diǎn)），默認(rèn)（0，0，0）
 ne.setViewPoint(0,0,0);
 // 計(jì)算法線數(shù)據(jù)
 ne.compute(*cloud_normals);


 // 通過concatenateFields函數(shù)將point和normal組合起來形成PointNormal點(diǎn)云數(shù)據(jù)
 pcl::PointCloud< pcl::PointNormal >::Ptr 
             cloud_with_normal(new pcl::PointCloud< pcl::PointNormal >());
 pcl::PointCloud< pcl::PointNormal >::Ptr 
     cloud_with_normal_sampled(new pcl::PointCloud< pcl::PointNormal >());
 pcl::concatenateFields(*cloud_src, *cloud_normals, *cloud_with_normal);


 // 創(chuàng)建法向空間采樣（模板）類對(duì)象
 pcl::NormalSpaceSampling< pcl::PointNormal, pcl::Normal > nss;
 // 設(shè)置xyz三個(gè)法向空間的分類組數(shù)，此處設(shè)置為一致，根據(jù)具體場(chǎng)景可以調(diào)整
 const int kBinNum = 8;
 nss.setBins(kBinNum, kBinNum, kBinNum);
 // 如果傳入的是有序點(diǎn)云，此處可以嘗試設(shè)置為true
 nss.setKeepOrganized(false);
 // 設(shè)置隨機(jī)種子，這樣可以保證同樣的輸入可以得到同樣的結(jié)果，便于debug分析
 nss.setSeed(200);   // random seed
 // 傳入待采樣的點(diǎn)云數(shù)據(jù)
 nss.setInputCloud(cloud_with_normal);
 // 傳入用于采樣分析的法線數(shù)據(jù)，需與傳入點(diǎn)云數(shù)據(jù)一一對(duì)應(yīng)
 nss.setNormals(cloud_normals);
 // 設(shè)置采樣總數(shù)，即目標(biāo)點(diǎn)云的總數(shù)據(jù)量
 const float kSampleRatio = 0.1f;
 nss.setSample(cloud_with_normal- >size()*kSampleRatio);
 // 執(zhí)行采樣并帶出采樣結(jié)果
 nss.filter(*cloud_with_normal_sampled);