PCL 求八叉树的体素中心

一、概述

1.1原理

1.2实现步骤

1.3应用场景

二、代码实现

2.1关键函数

2.1.1 八叉树构建

2.1.2 获取体素中心

2.2完整代码

三、实现效果

PCL点云算法汇总及实战案例汇总的目录地址链接：

PCL点云算法与项目实战案例汇总（长期更新）

一、概述

在三维点云处理中，八叉树是一种常用的数据结构，用来对三维空间进行递归划分。在 PCL 中，八叉树不仅可以用于搜索和变化检测，还可以用于计算每个体素（Voxel）的中心点，这对于空间划分、点云简化等应用十分有用。

1.1原理

八叉树通过递归地将三维空间划分为多个子区域（体素），每个体素的边界由其最小和最大坐标定义，体素的中心是该最小和最大边界的中点。通过计算体素的中心点，可以获得该体素的空间位置，用于后续的点云处理。

1.2实现步骤

读取点云数据。
使用 pcl::octree::OctreePointCloud 创建八叉树并构建体素。
遍历八叉树中的每个体素，获取其最小和最大边界。
计算每个体素的中心点，存储并可视化体素中心点。

1.3应用场景

空间划分可视化：通过计算体素的中心点，展示空间的分布。
点云简化：使用体素中心点作为简化后的点云代表点。
邻域搜索：通过体素中心点快速找到空间中的目标区域。

二、代码实现

2.1关键函数

2.1.1 八叉树构建

通过 pcl::octree::OctreePointCloud 构建八叉树，并根据点云数据生成体素。

#include <pcl/octree/octree_pointcloud.h>// 设置八叉树分辨率
float resolution = 0.05f;  // 分辨率决定了体素的大小
pcl::octree::OctreePointCloud<pcl::PointXYZ> octree(resolution);// 构建八叉树
octree.setInputCloud(cloud);  // cloud 是输入点云
octree.addPointsFromInputCloud();  // 生成八叉树

2.1.2 获取体素中心

通过 getVoxelBounds 获取每个体素的最小和最大边界，并计算其中心点。

Eigen::Vector3f min_pt, max_pt;  // 用于存储体素的最小和最大边界
std::vector<Eigen::Vector3f> voxel_centers;  // 存储体素中心点// 遍历八叉树的每个叶子节点（体素）
for (auto it = octree.leaf_begin(); it != octree.leaf_end(); ++it)
{octree.getVoxelBounds(it, min_pt, max_pt);  // 获取体素的边界// 计算体素中心点Eigen::Vector3f center = (min_pt + max_pt) / 2.0f;voxel_centers.push_back(center);  // 将中心点存储起来
}

2.2完整代码

#include <iostream>
#include <vector>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/octree/octree_pointcloud.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <Eigen/Dense>// 封装的可视化函数
void visualizePointCloudsWithOctree(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 原始点云pcl::PointCloud<pcl::PointXYZ>::Ptr voxel_center_cloud)  // 体素中心点云
{// 创建可视化窗口pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Dual PointCloud Viewer"));// 设置视口1，显示原始点云int vp_1;viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 左侧窗口viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);  // 白色背景viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);  // 标题pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 0, 255, 0);  // 绿色viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);// 设置视口2，显示体素中心点云int vp_2;viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 右侧窗口viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_2);  // 白色背景viewer->addText("Voxel Center PointCloud", 10, 10, "vp2_text", vp_2);  // 标题pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> voxel_center_color_handler(voxel_center_cloud, 255, 0, 0);  // 红色viewer->addPointCloud(voxel_center_cloud, voxel_center_color_handler, "voxel_center_cloud", vp_2);// 设置点的大小viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "voxel_center_cloud", vp_2);// 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>("bunny.pcd", *cloud) == -1){PCL_ERROR("Couldn't read the PCD file!\n");return -1;}// -----------------------------构建八叉树---------------------------------float resolution = 0.01f;  // 八叉树分辨率pcl::octree::OctreePointCloud<pcl::PointXYZ> octree(resolution);octree.setInputCloud(cloud);  // 设置输入点云octree.addPointsFromInputCloud();  // 生成八叉树// -----------------------------计算体素中心---------------------------------Eigen::Vector3f min_pt, max_pt;  // 用于存储体素的最小和最大边界pcl::PointCloud<pcl::PointXYZ>::Ptr voxel_center_cloud(new pcl::PointCloud<pcl::PointXYZ>);  // 存储体素中心点云// 遍历八叉树的每个叶子节点（体素）for (auto it = octree.leaf_begin(); it != octree.leaf_end(); ++it){octree.getVoxelBounds(it, min_pt, max_pt);  // 获取体素的边界pcl::PointXYZ point;point.x = (min_pt.x() + max_pt.x()) / 2.0f;  // 计算中心点point.y = (min_pt.y() + max_pt.y()) / 2.0f;point.z = (min_pt.z() + max_pt.z()) / 2.0f;voxel_center_cloud->points.push_back(point);  // 将中心点添加到点云}voxel_center_cloud->width = voxel_center_cloud->points.size();voxel_center_cloud->height = 1;voxel_center_cloud->is_dense = true;// -----------------------------可视化---------------------------------visualizePointCloudsWithOctree(cloud, voxel_center_cloud);return 0;
}