最远点采样(Farthest Point Sampling)
这里我们来单独看一下调用代码,这里可以看到PCL中支持直接调用farthest_sampling这个函数可以实现最远点采样。
最远点采样(Farthest Point Sampling)是一种非常常用的采样算法,由于能够保证对样本的均匀采样,被广泛使用,像3D点云深度学习框架中的PointNet++对样本点进行FPS采样再聚类作为感受野,3D目标检测网络VoteNet对投票得到的散乱点进行FPS采样再进行聚类,6D位姿估计算法PVN3D中用于选择物体的8个特征点进行投票并计算位姿。FPS算法原理:
1、输入点云有N个点,从点云中选取一个点P0作为起始点,得到采样点集合S={P0};
2、计算所有点到P0的距离,构成N维数组L,从中选择最大值对应的点作为P1,更新采样点集合S={P0,P1};
3、计算所有点到P1的距离,对于每一个点Pi,其距离P1的距离如果小于L[i],则更新L[i] = d(Pi, P1),因此,数组L中存储的一直是每一个点到采样点集合S的最近距离;
3、选取L中最大值对应的点作为P2,更新采样点集合S={P0,P1,P2};
4、重复2-4步,一直采样到N’个目标采样点为止。
std::vector< pcl::PointCloud< pcl::PointXYZ > > input_point_clouds(1);
std::vector< pcl::PointCloud< pcl::PointXYZ > > output_point_clouds;
ASSERT_NE(pcl::io::loadPLYFile< pcl::PointXYZ >(STR(INPUT_POINT_CLOUD_PATH),
input_point_clouds[0]), -1) < < "Couldn't read file test point cloud file";
farthest_sampling::samplePointCloudsCuda(input_point_clouds, output_point_clouds, 4096);
boost::filesystem::path output_path = STR(OUTPUT_POINT_CLOUD_PATH);
if (output_path.has_parent_path() && !boost::filesystem::exists(output_path.parent_path()))
{
boost::filesystem::create_directories(output_path.parent_path());
}
pcl::io::savePLYFile(STR(OUTPUT_POINT_CLOUD_PATH), output_point_clouds[0]);
ASSERT_EQ(output_point_clouds[0].size(), 4096);
全部0条评论
快来发表一下你的评论吧 !