基于PCL库实现可视化/旋转至指定平面等功能

可视化

1. ubuntu下使用PCL_viewer实现白底黑点效果
   原理：修改背景back color、修改前景front color、修改点云大小point size
   pcl_viewer -bc 255,255,255 -fc 0,0,0 -ps 4 source.pcd
2. 同时显示基础点云和上色点云
   

   //使用函数
   pcl::visualization::PCLVisualizer::Ptr
   simpleVis(pcl::visualization::PCLVisualizer::Ptr viewer, pcl::PointCloud<pcl::PointXYZ>::ConstPtr cloud_base,
             pcl::PointCloud<pcl::PointXYZ>::ConstPtr cloud_key = nullptr)
   { // --------------------------------------------
       // -----Open 3D viewer and add point cloud-----
       // --------------------------------------------
       viewer->setBackgroundColor(255, 255, 255);
       pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> color_handler_base(cloud_base, 0, 0, 0);
       viewer->addPointCloud<pcl::PointXYZ>(cloud_base, color_handler_base, "base cloud");
       viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "base cloud");
   
       if (cloud_key != nullptr)
       {
           pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> color_handler_key(cloud_key, 255, 0, 0);
           viewer->addPointCloud<pcl::PointXYZ>(cloud_key, color_handler_key, "key cloud");
           viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "key cloud");
       }
   
       viewer->addCoordinateSystem(1.0, "global");
       viewer->initCameraParameters();
       return (viewer);
   }
   

   调用方式

   pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));
   viewer = simpleVis(viewer, cloud, cloud_filtered);//白底，cloud点云黑色，cloud_filtered点云红色
   viewer->spin();
   

3. 左右两窗口分别显示点云
   参考链接: pcl可视化：在一个视图窗口下显示两片点云，并设置点云颜色及背景色

   pcl::visualization::PCLVisualizer::Ptr
   simpleVis2(pcl::visualization::PCLVisualizer::Ptr viewer, pcl::PointCloud<pcl::PointXYZ>::ConstPtr cloud1,
              pcl::PointCloud<pcl::PointXYZ>::ConstPtr cloud2)
   {
       // 在一个视图里显示两张点云图
       int v1(0);
       viewer->createViewPort(0.0, 0.0, 1.0 / 2.0, 1.0, v1);
       viewer->setBackgroundColor(28, 28, 28, v1);
       viewer->addText("Radius:0.01", 10, 10, "v1 text", v1);
       pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> source_color(cloud1, 0, 0, 0);
       viewer->addPointCloud<pcl::PointXYZ>(cloud1, source_color, "sample cloud1", v1);
   
       int v2(0);
       viewer->createViewPort(1.0 / 2.0, 0.0, 1.0, 1.0, v2);
       viewer->setBackgroundColor(28, 28, 28, v2);
       viewer->addText("Radius:0.1", 10, 10, "v2 text", v2);
       pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> source_color2(cloud2, 0, 0, 0);
       viewer->addPointCloud<pcl::PointXYZ>(cloud2, source_color2, "sample cloud2", v2);
   
       viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "sample cloud1");
       viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "sample cloud2");
   
       viewer->addCoordinateSystem(1.0, "global");
       viewer->initCameraParameters();
       return (viewer);
   }
   

   调用方式与2类似

   pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));
   viewer = simpleVis(viewer, cloud1, cloud2);
   viewer->spin();
   

空间平面点云旋转到指定平面

1. 函数

   void change2XOY(const pcl::PointCloud<pcl::PointXYZ>::Ptr &cloud, pcl::PointCloud<pcl::PointXYZ>::Ptr &cloud_filtered)
   {
       // 计算原点云协方差矩阵
       Eigen::Matrix3f covariance_matrix;
       Eigen::Vector4f centroid;
       pcl::compute3DCentroid(*cloud, centroid);
       pcl::computeCovarianceMatrixNormalized(*cloud, centroid, covariance_matrix);
   
       // 求解原点云特征向量和特征值
       Eigen::SelfAdjointEigenSolver<Eigen::Matrix3f> eigen_solver(covariance_matrix, Eigen::ComputeEigenvectors);
       Eigen::Vector3f n1 = eigen_solver.eigenvectors().col(0);
   
       // 定义目标平行面的法向量n2
       Eigen::Vector3f n2(0, 0, 1); // 目标平面法向量
   
       // 求解旋转轴，即求解垂直于原平面法向量n1与目标平面法向量n2的向量
       Eigen::Vector3f axis = n1.cross(n2).normalized(); // 叉乘求得旋转轴，normalized()用于将向量归一化
   
       // 求解n1与n2之间的夹角φ
       float angle = std::acos(n1.dot(n2) / (n1.norm() * n2.norm())); // 夹角φ
   
       Eigen::AngleAxisf rotation(angle, axis);
       Eigen::Matrix3f rotationMatrix = rotation.toRotationMatrix();
   
       std::cout << "Rotation Matrix:\n"
                 << rotationMatrix << std::endl;
   
       Eigen::Matrix4f Transform = Eigen::Matrix4f::Identity();	 // 创建一个4x4的单位矩阵（齐次变换矩阵）
       Transform.block<3, 3>(0, 0) = rotationMatrix;				//将前述旋转矩阵赋值到齐次变换矩阵上
   
       // 假设你已经将平面点云数据加载到cloud中
       pcl::transformPointCloud(*cloud, *cloud_filtered, Transform);
   }
   

2. 调用：

   pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
   pcl::PCDReader reader;
   reader.read<pcl::PointXYZ>("source.pcd", *cloud);
   
   pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_XOY(new pcl::PointCloud<pcl::PointXYZ>);      // 存储二次初步滤波结果
   change2XOY(cloud, cloud_XOY);//旋转后点云保存至cloud_XOY
   

3. 补充:绕指定轴旋转

   // 点云绕z轴旋转
   float rotation_angle = -3; // 旋转角度（单位：度）
   Eigen::Affine3f rotation_transform = Eigen::Affine3f::Identity();
   rotation_transform.rotate(Eigen::AngleAxisf(rotation_angle * M_PI / 180.0, Eigen::Vector3f::UnitZ()));
   pcl::transformPointCloud(*current_pc_ptr, *cloud_trans_ptr, rotation_transform);