使用 PCL 点云的交集

Question

假设我有两个不同的 pcl::PointCloud<pcl::PointXYZL>（尽管点类型并不重要），c1 和 c2。

我想找到这两个点云的交集。 通过交集，我的意思是点云 inter 构造使得 c1 中的点 pi 插入 inter 如果（且仅当）点 pj 存在于c2 和

pi.x == pj.x && pi.y == pj.y && pi.z == pj.z

目前我正在使用以下函数来实现此目的：

#include <pcl/point_cloud.h>
#include <pcl/point_types.h>

using namespace pcl;

typedef PointXYZL PointLT;
typedef PointCloud<PointLT> PointLCloudT;

bool contains(PointLCloudT::Ptr c, PointLT p) {
    PointLCloudT::iterator it = c->begin();
    for (; it != c->end(); ++it) {
        if (it->x == p.x && it->y == p.y && it->z == p.z)
            return true;
    }
    return false;
}

PointLCloudT::Ptr intersection(PointLCloudT::Ptr c1,
        PointLCloudT::Ptr c2) {
    PointLCloudT::Ptr inter;
    PointLCloudT::iterator it = c1->begin();
    for (; it != c1->end(); ++it) {
        if (contains(c2, *it))
            inter->push_back(*it);
    }

    return inter;
}

我想知道是否有标准（并且可能更有效）的方法来执行此操作？

我在 official documentation 中没有找到关于此的任何信息，但也许我遗漏了什么。

谢谢。

Answer 1

如果您只是寻找精确匹配，而不是近似匹配，您可以简单地将每个点云中的点放在 std::vector 中，对其进行排序，然后使用 std::set_intersection 来识别匹配项。

Answer 2

通过使用像 KD Tree.

这样的高效数据结构，可以使 contains 函数中的点搜索更加高效

另一种选择是在您的管道中更早地进行更好的簿记，但我们需要更多地了解您在高层次上想要实现的目标，以帮助您实现这一目标。

编辑：正如评论中指出的那样，KD Tree 适用于近似空间搜索，但提问者想要进行精确的点匹配。为此，散列 table（或其他一些基本搜索数据结构）可能更有效。

使用 PCL 点云的交集

Intersection of PointClouds using PCL

c++

point-clouds

point-cloud-library