基于轮廓的三维骨架重建方法和核心代码

 背景（为什么要这么做？）：

        目前获取三维数据的方法很多，比如：双目视觉技术，深度相机等等。

        但是存在一个问题：数据量巨大！如果要做在线检测，那速度很可能达不到要求。

总思路：

        用二维的数据来表示三维数据（数据量从n3降到n2）。

课题需求：

        本人的实验室目前的课题是要做马铃薯的形状检测。通过二维图像误差很大，通过传统三维方法达不到在线检测速度要求。

步骤：

1.推导出二维轮廓像素点到三维空间的坐标映射关系；

2.通过图像处理获取轮廓坐标；

3.转换到三维空间；

4.通过PCL点云数据库显示合成三维图像。

核心代码：

        //计算x，y轴的方向余弦
//p1表示上面点x，p2表示上面点y，p3表示下面点x，p4表示下面点y
float StaticClassify::DirectionCosineX(float angle,float p1,float p2,float p3,float p4)
{
float pp=p3-p1;
float ppp=sqrt(pow((p3-p1),2)+pow((p2-p4),2));
float Cosine;
if (angle<100)
{Cosine=-pp/ppp;
} 
else
{Cosine=pp/ppp;
}
return Cosine;
}

    //轮廓的二维点到三维点转换

for (i0 = 0; i0 < length0; i0++)