空间分辨率
引用百度百科的解释
空间分辨率，是指遥感图像上能够详细区分的最小单元的尺寸或大小，是用来表征影像分辨地面目标细节的指标。通常用像元大小、像解率或视场角来表示。
空间分辨率是评价传感器性能和遥感信息的重要指标之一，也是识别地物形状大小的重要依据。
但是在三维空间上是没有二维图像这般像元量化的，所以也无法得到实际的上的“像元”，而分辨率是体现图像的细节细腻程度，放到点云上能体现物体细节细腻程度的只有点云的密集程度了，而这个密集程度可以用两点之间间隔距离来表示。接下来要求的便是点云中平均两点之间的距离为。
计算方法
计算方法非常简单，步骤如下
- step1: 遍历点云中的每一个点
- step2: 找到与其最近的点，并求出两点距离
- step3: 累加两点距离之和，并除以点云数量（剔除无效点），所得结果便是点云空间分辨率
实现代码
代码非常简单，完整的实现代码如下
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
|
double MatchModel::ComputeCloudResolution(const pcl::PointCloud<pcl::PointXYZ>::ConstPtr& cloud)
{
double res = 0.0;
int n_points = 0;
int nres;
std::vector<int> indices(2);
std::vector<float> sqr_distances(2);
//step1: 新建kdtree用于搜索
pcl::search::KdTree<PointXYZ> tree;
tree.setInputCloud(cloud);
//step2: 遍历点云每个点，并找出与它距离最近的点
for (size_t i = 0; i < cloud->size(); ++i)
{
if (!pcl_isfinite((*cloud)[i].x))
{
continue;
}
// 取第二个距离，因为第一个是它本身
nres = tree.nearestKSearch(i, 2, indices, sqr_distances);
//step3: 统计最小距离和、有效点数量
if (nres == 2)
{
res += sqrt(sqr_distances[1]);
++n_points;
}
}
//step4: 计算空间分辨率
if (n_points != 0)
{
res /= n_points;
}
return res;
}
|
本文由芒果浩明发布，转载请注明出处。
本文链接：https://blog.mangoeffect.net/pcl/how-to-compute-resolution-of-cloud.html
