一、引言

在降采样中想要充分保留边界信息，但是采用体素降采样，均匀降采样等，都是对全局的点云信息进行降采样，无法做到分区域的降采样。因此对点云的曲率进行估计，作为额外的补充信息对点云进行降采样。即对点云做条件滤波。曲率信息作为滤波条件。

运行环境：Ubuntu18.04 + PCL1.11

二、实现

主要步骤如下：

估计点云的法向量和曲率
对点云法向量和曲率进行字段连接
根据曲率大小进行分区域降采样

2.1估计点云的法向量和曲率

利用PCL库对点云的法向量和曲率进行估计。要注意根据实际的情况设置合适的点云邻域半径。

pcl::NormalEstimationOMP<pcl::PointXYZ,pcl::Normal>n;
pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
tree->setInputCloud(cloud);
n.setViewPoint(10,10,10);
n.setInputCloud(cloud);
n.setNumberOfThreads(4);
n.setSearchMethod(tree);
n.setRadiusSearch(1);//设置邻域半径
n.compute(*normals);

2.2字段连接

利用concatenateFields将点云的法向量与曲率信息连接。

1 2	pcl::PointCloud<pcl::PointNormal>::Ptr cnormals(new pcl::PointCloud<pcl::PointNormal>); pcl::concatenateFields(cloud,normals,*cnormals);//连接字段

2.3分区域滤波

设置合理的曲率阈值cur_threshold，遍历点云，将点云放入不同的点云集合clouddownsample_1和clouddownsample_2，分别设置不同的降采样尺度。

pcl::PointCloud<pcl::PointXYZ>::Ptr clouddownsample_1(new pcl::PointCloud<pcl::PointXYZ>);
pcl::PointCloud<pcl::PointXYZ>::Ptr clouddownsample_2(new pcl::PointCloud<pcl::PointXYZ>);
for (size_t i = 0; i < cnormals->points.size(); i++){
  if (cnormals->at(i).curvature > cur_threshold){//阈值判断
    clouddownsample_1->points.emplace_back(cloud->points[i]);
  }else{
    clouddownsample_2->points.emplace_back(cloud->points[i]);
  }
}
//设置必要的信息
clouddownsample_1->width = clouddownsample_1->points.size();
clouddownsample_1->height = 1;
clouddownsample_1->is_dense = true;
clouddownsample_2->width = clouddownsample_2->points.size();
clouddownsample_2->height = 1;
clouddownsample_2->is_dense = true;

//大尺度降采样
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_add(new pcl::PointCloud<pcl::PointXYZ>);
float leftSize = 0.25f;//尺度设置
pcl::VoxelGrid<pcl::PointXYZ> down;
down.setInputCloud (clouddownsample_2);
down.setLeafSize (leftSize, leftSize, leftSize);
down.filter (*clouddownsample_2);

*cloud_add = *clouddownsample_1 + *clouddownsample_2;//合并降采样后的点云