使用包围盒算法对三维激光点云数据进行压缩 （bounding-box-algorithm）

使用包围盒算法对三维激光点云数据进行压缩，包括完整的代码和测试数据

%求点云的平均密度
%以求出单位体积内所包含的平均数据点个数来表征点云的密度。
%（1）确定点云数据的最小长方体包围盒
clear all  %清除所有记录
clc;
in = importdata（‘Chair.mat‘）;%加载点云数据
%% plot of the current point cloud
figure（1）;   %图名
hold on   %你在当前图的轴（坐标系）中画了一幅图，再画另一幅图时，原来的图还在，与新图共存，都看得到
axis equal  %是将坐标轴的长度单位设成相等
title（‘Points Cloud‘‘fontsize‘14）   %图名与字体尺寸
plot3（in（:1）in（:2）in（:3）‘g.‘）   %g代表绿色
grid    %添加网格
view（-37.530） %方位角和俯视角，方位角相当于球坐标中的经度，俯视角相当于球坐标中的纬度
xlabel（‘X‘）;ylabel（‘Y‘）;zlabel（‘Z‘）;  %给XYZ坐标加标签
% 
[Nb]=size（in）;e=0.8;K=1;  %N为行数即点云总数，b为3
max_x=max（in（:1））;min_x=min（in（:1））;
max_y=max（in（:2））;min_y=min（in（:2））;
max_z=max（in（:3））;min_z=min（in（:3））;
Lx=max_x-min_x;%点云数据的长方体包围盒的边长
Ly=max_y-min_y;
Lz=max_z-min_z;
%（2）确定单位小立方体栅格中数据点的个数
V=Lx*Ly*Lz;   %最大包围盒的大小
%则单位小立方体栅格中数据点的个数为：
n=N/（V+eps）; % 其中 N

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3834  2020-07-27 12:49  ╚²╬¼╝ñ╣Γ╡π╘╞░ⁿ╬º║╨╦π╖¿╤╣╦⌡\baoweihe.asv
     文件        4183  2020-07-27 12:49  ╚²╬¼╝ñ╣Γ╡π╘╞░ⁿ╬º║╨╦π╖¿╤╣╦⌡\baoweihe.m
     文件     1100582  2020-07-27 12:49  ╚²╬¼╝ñ╣Γ╡π╘╞░ⁿ╬º║╨╦π╖¿╤╣╦⌡\Chair.mat
     文件      290974  2020-07-27 12:49  ╚²╬¼╝ñ╣Γ╡π╘╞░ⁿ╬º║╨╦π╖¿╤╣╦⌡\K╬¬10╩▒┤ª└φ║≤═╝.jpg
     文件      270804  2020-07-27 12:49  ╚²╬¼╝ñ╣Γ╡π╘╞░ⁿ╬º║╨╦π╖¿╤╣╦⌡\K╬¬1╩▒┤ª└φ║≤═╝3564╕÷╡π.jpg
     文件      301407  2020-07-27 12:49  ╚²╬¼╝ñ╣Γ╡π╘╞░ⁿ╬º║╨╦π╖¿╤╣╦⌡\K╬¬5╩▒┤ª└φ║≤═╝.jpg
     文件       12126  2020-07-27 12:49  ╚²╬¼╝ñ╣Γ╡π╘╞░ⁿ╬º║╨╦π╖¿╤╣╦⌡\sanjiaowang.asv
     文件      195770  2020-07-27 12:49  ╚²╬¼╝ñ╣Γ╡π╘╞░ⁿ╬º║╨╦π╖¿╤╣╦⌡\╘¡═╝.jpg