为什么要进行点云压缩

点云带有大量的数据，不仅包括三维信息，还有额外的距离，颜色，法向量等等。此外，点云可以快速生成，这会占有大量的内存资源。一旦点云必须被存储或者用于通信传输，对于点云的压缩技术就显得十分重要了。PCL提供了点云压缩功能，它支持对各种类型点云的压缩，其中包括无序点云，此外，在八叉树结构下的数据支持高效地合并多个来自不同数据源的点云。

压缩pcl::PointXYZ类型数据

Code

最基本的操作 ： 将读取点云，然后压缩成字节流，再将字节流解压。

    //先读取点云 
    /*创建一个点云变量 的共享指针  并实例化*/
    pcl::PointCloud<pcl::PointXYZ> cloud;
          /*从 pcd文件  读取 点云*/
    if(pcl::io::loadPCDFile<pcl::PointXYZ>("../test_pcd.pcd",cloud)==-1)
    {    
        //  返回值是 -1  代表 没有读到
        PCL_ERROR("Couldn't read file test_pcd.pcd \n");
        return  (-1);
    }

先读取点云 从 pcd文件 读取 点云

     //打印压缩前从文件中读取的点云
    std::cout<<"before"<<std::endl;
    for(size_t i;i<cloud.points.size();++i)
    { 
        std::cout<<"x="<<cloud.points[i].x<<"\t"<<"y="<<cloud.points[i].y<<"\t"<<"z="<<cloud.points[i].z<<std::endl;
    }

打印压缩前从文件中读取的点云

压缩部分

       /* 设置压缩 和解压 时 的结果信息是否打印显示出来  */
    bool showStatistics = true ;
    //bool showStatistics = false;

设置压缩 和解压 时 的结果信息是否打印显示出来

打印的 信息 就是 上面 这种

      /* 压缩选项  可以参考 usr/include/pcl/compression/compression_profiles.h   */    
    pcl::io::compression_Profiles_e compressionProfile = pcl::io::MANUAL_CONFIGURATION;//设定为允许为高级参数化进行手工配置 

这个部分要详细说明下
pcl::io::MANUAL_CONFIGURATION 这个是压缩类型的一种 ， 用来配置 八叉树的压缩参数。如果选择进行手工设置，则需要在后面进行相关的参数设置。共6个参数。

可以参考 usr/include/pcl/compression/compression_profiles.h

这个是文件里的 可选的压缩类型

下面分别对应着 不同类型对应的参数
一共有6个参数

1. pointResolution 点的分辨率该变量决定了点的坐标在编码时可以精确的程度，但是该变量只在进行细节编码（detail coding）时才会生效
2. octreeResolution 划分八叉树时最小块
3. doVoxelGridDownDownSampling 是否对点云文件进行下采样。为true时，对点云文件进行下采样，以体素的中心点的坐标来代替整个体素内的点的坐标，而颜色则以体素内所有点的颜色的均值为代表，此时pointResolution不会生效。为false时，则进行细节编码,即编码一个体素内的具体坐标与颜色，实现方式是计算体素内每个点到体素左下角的偏移量，并通过整除pointResolution来得到整数坐标，而颜色则需编码体素内每个点的颜色相对于平均值的残差
4. iFrameRate 用来决定进行I帧编码的频率，如果此数值为30，则每隔30帧进行一次I帧编码，中间的帧则进行P帧编码
5. colorBitResolution 表示颜色的RGB的保留的有效位数
6. doColorEncoding 决定是否进行颜色编码。

下面列举下不同 编码类型的对应的含义

如果选择 MANUAL_CONFIGURATION 则需要后面设置参数 。 例如下面的

      /*声明八叉树的压缩 变量  指针*/
    pcl::io::OctreePointCloudCompression<pcl::PointXYZ> * PointCloudEncoder;
        /*  进行 八叉树 的 压缩 配置  */
    PointCloudEncoder = new pcl::io::OctreePointCloudCompression<pcl::PointXYZ>(compressionProfile,showStatistics,0.001,0.01,true,100,true,8);//输入参数

进行 八叉树 的 压缩 配置
注意初始化的 参数 后面 加了六个，对应上面写的六个参数

        //压缩的字节流
    std::stringstream compressedData;

        /* 实现压缩 的  函数   第一个参数要求时只能指针，  .makeShared()即将cloud转成了 ptr */
    PointCloudEncoder->encodePointCloud(cloud.makeShared(),compressedData);

调用实现压缩的函数 。第一个参数是 要压缩的点云 第二个参数是 压缩的字节流

       //声明 解压 缩 后的 点云 指针
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloudOut(new pcl::PointCloud<pcl::PointXYZ>());

    /* 实现 解压缩 的 地方 第一个参数字节流 第二个参数 点云指针*/
    PointCloudEncoder->decodePointCloud(compressedData,cloudOut);

解压缩点云 的部分

    //打印解压缩后的点云坐标
    std::cout<<"after"<<std::endl;
    for(size_t i;i<cloudOut->points.size();++i)
    { 
        
        std::cout<<"x="<<cloudOut->points[i].x<<"\t"<<"y="<<cloudOut->points[i].y<<"\t"<<"z="<<cloudOut->points[i].z<<std::endl;
    }

打印解压后的点云数据

Result

可以看到 前后 的 点云 的顺序变了

压缩 pcl::PointXYZRGB 类型数据

之前压缩的是 XYZ类型的数据 。 XYZI类型的数据 会报 encodePointCloud 函数调用错误。
可以 压缩 XYZRGB 的数据

生成XYZRGB的数据

这次构建多个点云数据，通过 代码 生成

    pcl::PointCloud<pcl::PointXYZRGB>::Ptr point_cloud_ptr(new pcl::PointCloud<pcl::PointXYZRGB>());;

     uint8_t r(255), g(15), b(15);
  for (float z(-1.0); z <= 1.0; z += 0.1)
  {
    for (float angle(0.0); angle <= 360.0; angle += 60.0)
    {
      pcl::PointXYZ basic_point;
      basic_point.x = 0.5 * cosf (float(angle/180*M_PI));
      basic_point.y = sinf (float(angle/180*M_PI));
      basic_point.z = z;

      pcl::PointXYZRGB point;
      point.x = basic_point.x;
      point.y = basic_point.y;
      point.z = basic_point.z;
      uint32_t rgb = (static_cast<uint32_t>(r) << 16 |
              static_cast<uint32_t>(g) << 8 | static_cast<uint32_t>(b));
      point.rgb = *reinterpret_cast<float*>(&rgb);
      point_cloud_ptr->points.push_back (point);
    }
    if (z < 0.0)
    {
      r -= 12;
      g += 12;
    }
    else
    {
      g -= 12;
      b += 12;
    }
  }
  point_cloud_ptr->width = (int) point_cloud_ptr->points.size ();
  point_cloud_ptr->height = 1;   
   
   pcl::io::savePCDFile("creat_xyzrgb.pcd",*point_cloud_ptr);

自动生成点云。 保存成pcd文件。 点云类型为 pcl::PointXYZRGB

生成pcd文件后可以在终端 通过 pcl_viewer 功能 查看点云

可以看到 6个竖线 ，z逐渐升高。 主要就是上面 for 条件的代码。

压缩和解压

这部分和上一节基本一致 。注意 点云类型一致就可以了

      /* 设置压缩 和解压 时 的结果信息是否打印显示出来  */
    bool showStatistics = true ;
    //bool showStatistics = false;

      /* 压缩选项  可以参考 usr/include/pcl/compression/compression_profiles.h   */    
    pcl::io::compression_Profiles_e compressionProfile = pcl::io::MANUAL_CONFIGURATION;//设定为允许为高级参数化进行手工配置 


      /*声明八叉树的压缩 变量  指针*/
    pcl::io::OctreePointCloudCompression<pcl::PointXYZRGB> * PointCloudEncoder;
        /*  进行 八叉树 的 压缩 配置  */
    PointCloudEncoder = new pcl::io::OctreePointCloudCompression<pcl::PointXYZRGB>(compressionProfile,showStatistics,0.001,0.01,true,100,true,8);//输入参数

        //压缩的字节流
    std::stringstream compressedData;

        /* 实现压缩 的  函数   第一个参数要求时只能指针，  .makeShared()即将cloud转成了 ptr */
    PointCloudEncoder->encodePointCloud(cloud.makeShared(),compressedData);
  
       //声明 解压 缩 后的 点云 指针
    pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloudOut(new pcl::PointCloud<pcl::PointXYZRGB>());

    /* 实现 解压缩 的 地方 第一个参数字节流 第二个参数 点云指针*/
    PointCloudEncoder->decodePointCloud(compressedData,cloudOut);

Result

通过

viewer.showCloud(cloudOut);

查看解压后的点云

和压缩前是一致的。