PCL包围盒

已于 2024-03-24 01:06:23 修改
阅读量7.7k 收藏 69
点赞数 9
文章标签： c++
于 2019-04-18 18:15:43 首次发布
# 解释权归本文作者所有
本文链接：https://blog.csdn.net/RNG_uzi_/article/details/89384918
版权

PCL包围盒（详细介绍）

实现效果：
在这里插入图片描述
原理分析：
1.包围盒简介
  包围盒也叫外接最小矩形,是一种求解离散点集最优包围空间的算法，基本思想是用体积稍大且特性简单的几何体（称为包围盒）来近似地代替复杂的几何对象。
  常见的包围盒算法有AABB包围盒、包围球、方向包围盒OBB以及固定方向凸包FDH。碰撞检测问题在虚拟现实、计算机辅助设计与制造、游戏及机器人等领域有着广泛的应用，甚至成为关键技术。而包围盒算法是进行碰撞干涉初步检测的重要方法之一。
在这里插入图片描述
最小包围盒的计算过程大致如下:
1.利用PCA主元分析法获得点云的三个主方向，获取质心，计算协方差，获得协方差矩阵，求取协方差矩阵的特征值和特长向量，特征向量即为主方向。
2.利用1中获得的主方向和质心，将输入点云转换至原点，且主方向与坐标系方向重回，建立变换到原点的点云的包围盒。
3.给输入点云设置主方向和包围盒，通过输入点云到原点点云变换的逆变换实现。

PCA（Principal Component Analysis）主成分分析

主成分分析可以用来计算有多个变量组成的数据集的坐标系空间，数据集的多个变量可以分成多个不相关分量，存在一个顶点位置数组中的x,y,z坐标值就是这样的数据集（点云）。数据集中最不同的方向表示主分量的基本主元。
将每个点设为在这里插入图片描述,点云就看作在这里插入图片描述 N个点构成的数据集。首先利用以下公式计算位置平均数m
在这里插入图片描述
在构建一个协方差矩阵C，
在这里插入图片描述
协方差矩阵是由以下六个元素组成的对称矩阵：

在这里插入图片描述
协方差矩阵表示x,y,z坐标值之间的相互关系。若这三个坐标值两两无关，则他们在协方差矩阵上元素的值为0，为了将所有的点集中均匀的沿着坐标轴分布，需要将协方差矩阵转换成对角阵。我们可以利用线性代数里面的内容:
在这里插入图片描述
以在这里插入图片描述作为该对象自然轴对应的方向，下面计算出从顶点沿X、Y、Z三个方向最大和最小位置，根据这些最大值和最小值可以容易的构建出边界盒的六个平面。

为了确定最大和最小的范围，可以通过计算每个顶点位置坐标Pi与单位向量的内积来完成。边界盒的6个平面分别为：
在这里插入图片描述
边界盒的尺寸就是X,Y,Z三个方向上相应内积的最大值与最小值之差，边界盒的中心O就是三对反向平面中三个平面的交点，令a,b,c分别为X,Y,Z上最大值与最小值的平均值：
在这里插入图片描述
在这里插入图片描述
PCA在很多地方还可以用到，笔者觉得了协方差矩阵、特征值、特征向量的几何意义是理解PCA的关键。上述代码中还用到四元数，四元数主要用于旋转变化。

代码如下：

#include <pcl/features/moment_of_inertia_estimation.h>
#include <vector>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/visualization/cloud_viewer.h>
#include <boost/thread/thread.hpp>

#include <pcl/visualization/cloud_viewer.h>

int main (int argc, char** argv)
{
  if (argc != 2)
    return (0);
  
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ> ());
  if (pcl::io::loadPCDFile (argv[1], *cloud) == -1)
    return (-1);
  
  
  pcl::MomentOfInertiaEstimation <pcl::PointXYZ> feature_extractor;
  feature_extractor.setInputCloud (cloud); //default clould
  feature_extractor.compute ();

  std::vector <float> moment_of_inertia;  //¹ßÐÔ¾à
  std::vector <float> eccentricity;  //ÀëÐÄÂÊ
  pcl::PointXYZ min_point_AABB;
  pcl::PointXYZ max_point_AABB;
  pcl::PointXYZ min_point_OBB;
  pcl::PointXYZ max_point_OBB;
  pcl::PointXYZ position_OBB;
  Eigen::Matrix3f rotational_matrix_OBB;
  float major_value, middle_value, minor_value; //eigenÊǼÆËã¾ØÕóµÄ¿ªÔ´¿â
  Eigen::Vector3f major_vector, middle_vector, minor_vector;
  Eigen::Vector3f mass_center;

  feature_extractor.getMomentOfInertia (moment_of_inertia); //ÌØÕ÷ÌáÈ¡»ñÈ¡¹ßÐÔ¾à
  feature_extractor.getEccentricity (eccentricity);  //ÌØÕ÷ÌáÈ¡»ñÈ¡ÀëÐÄÂÊ
  feature_extractor.getAABB (min_point_AABB, max_point_AABB); //ÌØÕ÷ÌáÈ¡AABB
  feature_extractor.getOBB (min_point_OBB, max_point_OBB, position_OBB, rotational_matrix_OBB); //ÌØÕ÷ÌáÈ¡OBB
  feature_extractor.getEigenValues (major_value, middle_value, minor_value); //»ñÈ¡ÌØÕ÷Öµ
  feature_extractor.getEigenVectors (major_vector, middle_vector, minor_vector); //ÌØÕ÷ÏòÁ¿
  feature_extractor.getMassCenter (mass_center); //»ñÈ¡×î´óÖÊÐÄ

  //boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer (new pcl::visualization::PCLVisualizer ("µãÔÆ¿âPCLѧϰ½Ì³ÌµÚ¶þ°æ-»ùÓÚ¹ßÐÔ¾ØÓëÆ«ÐÄÂʵÄÃèÊö×Ó"));
  boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer (new pcl::visualization::PCLVisualizer ("3D Viewer"));
  viewer->setBackgroundColor (1, 1, 1); //±³¾°
  viewer->addCoordinateSystem (1.0); //Ìí¼Ó×ø±êϵ
  viewer->initCameraParameters ();  //³õʼ»¯Ïà»ú²ÎÊý
  viewer->addPointCloud<pcl::PointXYZ> (cloud,pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>(cloud,0,255,0), "sample cloud");
  viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE,5,"sample cloud");
  viewer->addCube (min_point_AABB.x, max_point_AABB.x, min_point_AABB.y, max_point_AABB.y, min_point_AABB.z, max_point_AABB.z, 1.0, 0.0, 0.0, "AABB"); //Ìí¼ÓÕý·½ÐÎ
   viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_OPACITY,0.1,"AABB");  //ÉèÖöÔÓ¦µãÁ¬Ïß
    viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_LINE_WIDTH,4,"AABB");  //ÉèÖöÔÓ¦µãÁ¬ÏߵĿí¶È
  Eigen::Vector3f position (position_OBB.x, position_OBB.y, position_OBB.z); //ÏòÁ¿Î»ÖÃ
  std::cout<<"position_OBB: "<<position_OBB<<endl;
  std::cout<<"mass_center: "<<mass_center<<endl;
  Eigen::Quaternionf quat (rotational_matrix_OBB);  //ËÄÔªÓ÷¨
  viewer->addCube (position, quat, max_point_OBB.x - min_point_OBB.x, max_point_OBB.y - min_point_OBB.y, max_point_OBB.z - min_point_OBB.z, "OBB");
  viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR,0,0,1,"OBB");
  viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_OPACITY,0.1,"OBB");
  viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_LINE_WIDTH,4,"OBB");
  viewer->setRepresentationToWireframeForAllActors();
  pcl::PointXYZ center (mass_center (0), mass_center (1), mass_center (2));
  pcl::PointXYZ x_axis (major_vector (0) + mass_center (0), major_vector (1) + mass_center (1), major_vector (2) + mass_center (2));
  pcl::PointXYZ y_axis (middle_vector (0) + mass_center (0), middle_vector (1) + mass_center (1), middle_vector (2) + mass_center (2));
  pcl::PointXYZ z_axis (minor_vector (0) + mass_center (0), minor_vector (1) + mass_center (1), minor_vector (2) + mass_center (2));
  viewer->addLine (center, x_axis, 1.0f, 0.0f, 0.0f, "major eigen vector");
  viewer->addLine (center, y_axis, 0.0f, 1.0f, 0.0f, "middle eigen vector");
  viewer->addLine (center, z_axis, 0.0f, 0.0f, 1.0f, "minor eigen vector");
  std::cout<<"size of cloud :"<<cloud->points.size()<<endl;
  std::cout<<"moment_of_inertia :"<<moment_of_inertia.size()<<endl;
  std::cout<<"eccentricity :"<<eccentricity.size()<<endl;
  //Eigen::Vector3f p1 (min_point_OBB.x, min_point_OBB.y, min_point_OBB.z);
  //Eigen::Vector3f p2 (min_point_OBB.x, min_point_OBB.y, max_point_OBB.z);
  //Eigen::Vector3f p3 (max_point_OBB.x, min_point_OBB.y, max_point_OBB.z);
  //Eigen::Vector3f p4 (max_point_OBB.x, min_point_OBB.y, min_point_OBB.z);
  //Eigen::Vector3f p5 (min_point_OBB.x, max_point_OBB.y, min_point_OBB.z);
  //Eigen::Vector3f p6 (min_point_OBB.x, max_point_OBB.y, max_point_OBB.z);
  //Eigen::Vector3f p7 (max_point_OBB.x, max_point_OBB.y, max_point_OBB.z);
  //Eigen::Vector3f p8 (max_point_OBB.x, max_point_OBB.y, min_point_OBB.z);

  //p1 = rotational_matrix_OBB * p1 + position;
  //p2 = rotational_matrix_OBB * p2 + position;
  //p3 = rotational_matrix_OBB * p3 + position;
  //p4 = rotational_matrix_OBB * p4 + position;
  //p5 = rotational_matrix_OBB * p5 + position;
  //p6 = rotational_matrix_OBB * p6 + position;
  //p7 = rotational_matrix_OBB * p7 + position;
  //p8 = rotational_matrix_OBB * p8 + position;

  //pcl::PointXYZ pt1 (p1 (0), p1 (1), p1 (2));
  //pcl::PointXYZ pt2 (p2 (0), p2 (1), p2 (2));
  //pcl::PointXYZ pt3 (p3 (0), p3 (1), p3 (2));
  //pcl::PointXYZ pt4 (p4 (0), p4 (1), p4 (2));
  //pcl::PointXYZ pt5 (p5 (0), p5 (1), p5 (2));
  //pcl::PointXYZ pt6 (p6 (0), p6 (1), p6 (2));
  //pcl::PointXYZ pt7 (p7 (0), p7 (1), p7 (2));
  //pcl::PointXYZ pt8 (p8 (0), p8 (1), p8 (2));

  //viewer->addLine (pt1, pt2, 1.0, 0.0, 0.0, "1 edge");
  //viewer->addLine (pt1, pt4, 1.0, 0.0, 0.0, "2 edge");
  //viewer->addLine (pt1, pt5, 1.0, 0.0, 0.0, "3 edge");
  //viewer->addLine (pt5, pt6, 1.0, 0.0, 0.0, "4 edge");
  //viewer->addLine (pt5, pt8, 1.0, 0.0, 0.0, "5 edge");
  //viewer->addLine (pt2, pt6, 1.0, 0.0, 0.0, "6 edge");
  //viewer->addLine (pt6, pt7, 1.0, 0.0, 0.0, "7 edge");
  //viewer->addLine (pt7, pt8, 1.0, 0.0, 0.0, "8 edge");
  //viewer->addLine (pt2, pt3, 1.0, 0.0, 0.0, "9 edge");
  //viewer->addLine (pt4, pt8, 1.0, 0.0, 0.0, "10 edge");
  //viewer->addLine (pt3, pt4, 1.0, 0.0, 0.0, "11 edge");
  //viewer->addLine (pt3, pt7, 1.0, 0.0, 0.0, "12 edge");
  
  
 
  while(!viewer->wasStopped())
  {
    viewer->spinOnce (100);
    boost::this_thread::sleep (boost::posix_time::microseconds (100000));
  }

  return (0);
}

Compiling and running the program
创建 CMakeLists.txt 文件，复制下面内容到该文件（文件和）。

cmake_minimum_required(VERSION 2.8 FATAL_ERROR)

project(moment_of_inertia)

find_package(PCL 1.8 REQUIRED)

include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})

add_executable (moment_of_inertia moment_of_inertia.cpp)
target_link_libraries (moment_of_inertia ${PCL_LIBRARIES})

通常在build文件夹下，执行下面命令：

$ ./moment_of_inertia lamppost.pcd
RNG_uzi_
关注
  • 9
    点赞
  • 踩
  • 69
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
专栏目录
PCL 计算点云AABB包围盒的体积
点云侠的博客
02-19 774
AABB包围盒又称了 轴对齐包围盒，是点云包围盒里最简单的一种，其计算方法也极其简单。获取包围盒之后，根据包围盒的长宽高进行体积计算即可！
【PCL】PCL中的包围盒计算原理及代码实现
shanhedian2013的博客
10-09 904
在PCL（Point Cloud Library）中，包围盒是一种用于描述点云数据中物体边界的几何形状。它通常是一个立方体或圆柱体，可以用来包围点云数据中的物体，并且可以方便地计算点云数据中的物体位置、大小和形状等信息。PCL中提供了多种不同类型的包围盒，包括立方体、球体、圆柱体、多边形等等。这些包围盒可以通过设置它们的参数来调整其大小和形状，以适应不同的点云数据和应用场景。
pcl最小包围盒.txt
08-24
如何拟合点云目标的最小外包围box&PCL最小包围盒完整代码
OBB盒构建方法
最新发布
weixin_61464913的博客
02-26 701
OBB包围盒生成与碰撞检测
OBB包围盒生成算法
11-22
生成OBB（方向包围盒算法），java实现。
PCL-06-包围盒、模板匹配
我的小天地 ^_^
04-12 1821
1. 3D物体的包容盒 轴对齐包围盒（AABB）、有向包围盒（OBB） // 创建惯性矩估算对象，设置输入点云，并进行计算 pcl::MomentOfInertiaEstimation <pcl::PointXYZ> feature_extractor; feature_extractor.setInputCloud (cloud); feature_extractor.compute (); std::vector <float> moment_of_inertia; std::
❤️UNITY实战进阶-三维AABB包围盒详解-6
欲望如海水，越喝越渴。
10-08 5740
前言 碰撞检测问题在虚拟现实、计算机辅助设计与制造、游戏、机器人等方面都有着广泛的应用，而包围盒算法是进行碰撞检测的重要方法之一。 而常见的包围盒有： AABB包围盒（Axis-aligned bounding box） 包围球（Sphere） OBB包围盒（Oriented bounding box） 凸包包围盒（Convex Hull） ... 在Unity中的Collider包含： 介绍 在游戏中，为了简化物体之间的碰...
包围盒算法基本知识（一）
qq_43718566的博客
04-24 2669
碰撞检测 定义：基于物体的空间位姿，确定两个或多个物体是否在一个或多个点发生接触 包围盒 定义 一种求解离散点集最优包围空间的方法。 基本思想 利用体积稍大的多边形近似代替研究对象 常见算法: 轴对齐包围盒AABB，包围球，方向包围盒OBB,固定方向凸包FDS AABB 基本思想： 采用一个长方体将物体包裹起来，进行两个物体的相交性检测时仅检测物体对应包围盒（包裹物体的长方体）的相交性 特点 对应的长方体每一个面都是与某个坐标轴平面平行 基本算法 xmin、xmax、ymin、ymax、zmin、zm
Bounds(包围盒)详解-【AABB包围盒、Sphere包围球、OBB方向包围盒、FDH固定方向凸包】
热门推荐
随意的风的专栏
02-22 2万+
====================================================|| 欢迎讨论技术的可以相互加微信：windgs (请备注csdn+xx职业) ====================================================|| 目录 目录 欢迎讨论技术的可以相互加微信：windgs (请备注csdn...
上海交大教授：何援军——包围盒（包容体/包围盒子）
山涧果子（JIanhongwei810）
06-18 2533
6.4 包围盒（圆、球、体） 点集、物体或一组物体的包围盒（圆、球、体）就是将物体的组合完全包容在相对简单的一个封闭空间，包围体的使用通常常用于加速某些特定的检测过程，例如检测物体相互之间的重叠关系，先由物体的包围盒进行粗略检测，当两包围盒不重叠时，其相应的两原物体间一定不相交（拒绝判定的充分条件），从而快速排除那些不可能相交的物体，提高几何运算的效率，而简单的物体比较容易检查相互之间的重叠关系。在计算机图形学的消隐、光照模型，在机器人、汽车的动态仿真等均有广泛的应用。一个应用程序中的包围体类型的选择受
Bounds(包围盒)概述与AABB包围盒应用
SpringD
04-23 1万+
包围盒概述，Unity3d包围盒拓展方法，Unity3d包围盒应用
PCL最小包围盒完整代码
09-21
PCL最小包围盒完整代码,实现了2D/3D点云最小包围盒的实现. PCL最小外接矩形完整代码,实现了2D/3D点云最小外接矩形的实现
基于FDH包围盒的布料碰撞检测
10-17
针对此问题，采用质点弹簧模型进行建模，基于FDH包围盒提出一种快速的检测基本几何元素间碰撞的方法。通过分析点的位置向量与三角平面的夹角，利用向量内积的性质来判断点与三角形的位置关系，同时进行了相应的碰撞...
PCL 1.13.0 安装包
03-01
The Point Cloud Library (PCL) is a standalone, large scale, open project for 2D/3D image and point cloud processing. 按照常规流程进行安装即可
PCL
02-22
PCL
PCL包围盒计算原理及代码
cutemypig的博客
01-04 3249
[算法][包围盒]球，AABB，OBB - 南水之源 - 博客园
根据最大点最小点绘制矩形包围框、箭头、文字
qq_43627520
01-13 521
根据输入的最小点和最大点依次构造立体框的8个顶点。根据计算的八个点确定12条连接。
pythonocc进阶学习：包围盒boundingbox
weixin_42755384的博客
08-02 5433
一个物体是有自身的包围盒的，对于2维的线（edge）或者环（wire）来说，对于三维实体来说，其自身的包围盒也很重要，那么包围盒究竟有什么作用呢？对于屏幕适配将具有非常重要的作用。（相机将直接知道所有的物体的包围盒） 对于查看来说，其包围盒是唯一确定的。直接计算所有的mesh的总包围盒 对于爆炸来说，需要计算每一个零部件的包围盒，然后按照相应的爆炸函数进行爆炸。 对于建模来说，随着进行建模的过程...
OBB包围盒及其碰撞检测算法（一）
ARTELE的博客
01-25 2万+
之前对于游戏的物理 引擎挺感兴趣，但是碰撞算法得学习一下，AABB就不说了，给点思路基本都能做出来，但是OBB就不一样了，涉及到了一些数学知识，其实涉及到图形方面的时候，线性代数就会常用一些，虽然这个OBB病没有涉及到图形的变换，但是也用到了线性代数的东西。 如果不懂AABB和OBB是什么的话我在这里简单说一下，玩游戏的时候，游戏中的元素会发生碰撞，有的时候元素的形状不是很规则，如果直接对不规则
PCL 包围盒
05-29
PCL（点云库）提供了计算点云包围盒的函数，可以方便地计算点云的边界框和轴对齐的边界框。下面是一个使用PCL计算点云包围盒的示例代码： ```cpp #include <iostream> #include <pcl/point_types.h> #include <pcl/features/moment_of_inertia_estimation.h> int main() { // 生成一个简单的点云数据 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); cloud->width = 5; cloud->height = 1; cloud->points.resize(cloud->width * cloud->height); for (std::size_t i = 0; i < cloud->points.size(); ++i) { cloud->points[i].x = rand() / (RAND_MAX + 1.0); cloud->points[i].y = rand() / (RAND_MAX + 1.0); cloud->points[i].z = rand() / (RAND_MAX + 1.0); } // 计算点云的包围盒 pcl::MomentOfInertiaEstimation<pcl::PointXYZ> feature_extractor; feature_extractor.setInputCloud(cloud); feature_extractor.compute(); // 获取点云包围盒的中心和尺寸 pcl::PointXYZ min_point, max_point, pos, rot_axis; Eigen::Matrix3f rot_mat; feature_extractor.getAABB(min_point, max_point); feature_extractor.getOBB(pos, rot_mat, rot_axis, min_point, max_point); // 打印点云包围盒的中心和尺寸 std::cout << "AABB min point: " << min_point << std::endl; std::cout << "AABB max point: " << max_point << std::endl; std::cout << "OBB center: " << pos << std::endl; std::cout << "OBB size: " << max_point - min_point << std::endl; return 0; } ``` 在这个示例中，我们使用PCL生成了一个简单的点云数据，并使用MomentOfInertiaEstimation类计算了点云的包围盒。通过调用getAABB和getOBB函数，我们可以获取点云包围盒的中心和尺寸。其中，AABB表示轴对齐的边界框，OBB表示任意方向的边界框。最后，我们将点云包围盒的中心和尺寸打印出来。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

RNG_uzi_

您的鼓励将是我创作的最大动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值