【PCL自学：ocTree】八叉树（octree）的原理及应用案例(点云压缩，搜索，空间变化)

关注

VIP免费原创 2022-02-21 09:10:20 2.6w 阅读 AI 写同款· GEO 优化 ›

空间划分的数据结构(网格/四叉树/八叉树/BSP树/k-d树/BVH/自定义划分) 目录网格 (Grid) 网格的应用四叉树/八叉树 (Quadtree/Octree) 四叉树/八叉树的应用 BSP树 (Binary Space Partitioning Tree) 判断点在平面前后算法 BS... 阅读详情

PCL中八叉树（octree）的原理及应用案例

一、什么是八叉树ocTree？
- 1.八叉树原理
二、八叉树应用案例

一、什么是八叉树ocTree？

1.八叉树原理

上世纪80年代，八叉树结构被提出来，用来表示空间中的区域划分，简单来说，空间可以被分为8个象限，想象一下假设空间中存在一个笛卡尔坐标系，则该坐标系将空间分为了8个象限，每个象限又可以按照这种方式再建立一个笛卡尔坐标系，再划分为8个象限，以此类推，空间中任何一块区域都可以被n个笛卡尔坐标划分。
在这里插入图片描述
以上图为例：
如果所生成的八叉树的节点可分为三类：

灰节点：它对应的立方体部分的为V所占据；
白节点：它对应的立方体没有V的内容；
黑节点：它对应的立方体全部为V所占据。

后两类又称为叶节点。立方体的八叉树的逻辑结构是这样的：将立方体内的空间划分，并记录成树结构，其上的节点要么是叶节点，要么是有八个子节点的灰节点。
因此任意空间都可以被划分为树状结构，而如果要找到某子空间，只需遍历八叉树即可找到，且效率较高。
关于八叉树的存储结构，有兴趣深入研究的同学可以参考这篇文章：
https://blog.csdn.net/qq_37855507/article/details/90957798

二、八叉树应用案例

1.点云压缩

点云由巨大的数据集组成，这些数据集描述了与距离、颜色、法线等附加信息相关的三维点。此外，它们可以以很高的速度创建，因此会占用大量内存资源。一旦点云必须在速率受限的通信信道上存储或传输，就必须想办法对这类数据进行压缩。点云库提供点云压缩功能。它允许编码所有类型的点云，包括无组织的点云，其特征是不存在点索引、分辨率、密度和/或点顺序。此外，底层的八叉树数据结构能够有效地合并来自多个数据源的点云数据。
在这里插入图片描述
下面，我们将解释如何有效地压缩单点云和点云流。在给出的示例中，我们使用OpenNIGrabber捕获点云，并使用PCL点云压缩技术进行压缩。请看如下示例代码：

#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/io/openni_grabber.h>
#include <pcl/visualization/cloud_viewer.h>

#include <pcl/compression/octree_pointcloud_compression.h>

#include <stdio.h>
#include <sstream>
#include <stdlib.h>

#ifdef WIN32
# define sleep(x) Sleep((x)*1000)
#endif

class SimpleOpenNIViewer
{
   
   
public:
 SimpleOpenNIViewer () :
    viewer (" Point Cloud Compression Example")
  {
   
   
  }
  
//在OpenNIGrabber捕获循环执行的回调函数中(以下部分代码)，首先将捕获的点云压缩到stringstream缓冲区中。接下来是一个解压步骤，该步骤将压缩的二进制数据解码为一个新的点云对象。然后将解码后的点云发送到点云查看器。
  void
  cloud_cb_ (const pcl::PointCloud<pcl::PointXYZRGBA>::ConstPtr &cloud)
  {
   
   
    if (!viewer.wasStopped ())
    {
   
   
      // 存储被压缩后点云的流
      std::stringstream compressedData;
      // 创建输出的解压缩后点云指针
      pcl::PointCloud<pcl::PointXYZRGBA>::Ptr cloudOut (new pcl::PointCloud<pcl::PointXYZRGBA> ());
      // 压缩点云
      PointCloudEncoder->encodePointCloud (cloud, compressedData);

      // 解压缩点云
      PointCloudDecoder->decodePointCloud (compressedData, cloudOut);


      // 显示解压缩后的点云
      viewer.showCloud (cloudOut);
    }
  }

  void
  run ()
  {
   
   
	// 布尔值：是否显示统计信息（是）
    bool showStatistics = true;

    // 配置文件列表查看这个头文件: /io/include/pcl/compression/compression_profiles.h
    // 此处是枚举类型，包括压缩配置(分辨率，在/离线，颜色信息)
    pcl::io::compression_Profiles_e compressionProfile = pcl::io::MED_RES_ONLINE_COMPRESSION_WITH_COLOR;
    // 实例化八叉树点云压缩用于编码和解码
    PointCloudEncoder = new pcl::io::OctreePointCloudCompression<pcl::PointXYZRGBA> (compressionProfile, showStatistics);
    PointCloudDecoder = new pcl::io::OctreePointCloudCompression<pcl::PointXYZRGBA> ();

    // 创建OpenNI设备的抓取器
    pcl::Grabber* interface = new pcl::OpenNIGrabber ();

    // 定义回调函数，用于回调点云采集设备
    std::function<void(const pcl::PointCloud<pcl::PointXYZRGBA>::ConstPtr&)> f =
      [this] (const pcl::PointCloud<pcl::PointXYZRGBA>::ConstPtr& cloud) {
   
    cloud_cb_ (cloud); };

    // 注册链接回调函数.此例子中是带有颜色信息的点云。
    boost::signals2::connection c = interface->registerCallback (f);

    // 开始接收点云，
    interface->start ();

    while (!viewer.