最遠點采樣(Farthest Point Sampling)
這里我們來單獨看一下調用代碼,這里可以看到PCL中支持直接調用farthest_sampling這個函數可以實現最遠點采樣。
最遠點采樣(Farthest Point Sampling)是一種非常常用的采樣算法,由于能夠保證對樣本的均勻采樣,被廣泛使用,像3D點云深度學習框架中的PointNet++對樣本點進行FPS采樣再聚類作為感受野,3D目標檢測網絡VoteNet對投票得到的散亂點進行FPS采樣再進行聚類,6D位姿估計算法PVN3D中用于選擇物體的8個特征點進行投票并計算位姿。FPS算法原理:
1、輸入點云有N個點,從點云中選取一個點P0作為起始點,得到采樣點集合S={P0};
2、計算所有點到P0的距離,構成N維數組L,從中選擇最大值對應的點作為P1,更新采樣點集合S={P0,P1};
3、計算所有點到P1的距離,對于每一個點Pi,其距離P1的距離如果小于L[i],則更新L[i] = d(Pi, P1),因此,數組L中存儲的一直是每一個點到采樣點集合S的最近距離;
3、選取L中最大值對應的點作為P2,更新采樣點集合S={P0,P1,P2};
4、重復2-4步,一直采樣到N’個目標采樣點為止。
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);
-
plc
+關注
關注
5010文章
13271瀏覽量
463072 -
函數
+關注
關注
3文章
4327瀏覽量
62573 -
采樣
+關注
關注
1文章
121瀏覽量
25555
發布評論請先 登錄
相關推薦
評論