【pcl入门教程系列】之点云投影

最新推荐文章于 2024-08-02 10:20:49 发布

AutoXTruck

最新推荐文章于 2024-08-02 10:20:49 发布

阅读量3.4k

点赞数 3

分类专栏：自动驾驶技术专栏文章标签： PCL brid-view cloud bev 俯视图

本文链接：https://blog.csdn.net/Small_Munich/article/details/108350096

版权

本文详细介绍了如何使用PCL库将点云数据投影到二维平面，特别是生成俯视图的方法。点云投影有助于减少计算量，并能利用图像算法进行处理。代码示例展示了Python实现点云投影到俯视图的过程，实验结果显示了原始点云与投影后的效果。投影方法不仅限于平面，也可应用于其他参数模型，如球面。

摘要由CSDN通过智能技术生成

简介

　　本篇博文主要介绍如何将点云投影到参数模型(例如：平面、球体等)。参数模型会通过一组系数给出，例如平面方程 $a x + b y + c z + d = 0$ 。为什么要进行投影，用途之一就是当前的三维卷积计算量太大且发展不是特别成熟。点云投影到二维平面能够借助图像算法进行处理。当然会损失一些点云信息，如果多个维度进行投影，能够将损失的信息降低到比较低的水平。目前点云投影应用最多的一种投影方式就是生成俯视图。

代码Demo

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/ModelCoefficients.h>
#include <pcl/filters/project_inliers.h>

int main (int argc, char** argv)
{
   
  pcl::PointCloud<pcl::PointXYZI>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZI>);
  pcl::PointCloud<pcl::PointXYZI>::Ptr cloud_bev (new pcl::PointCloud<pcl::PointXYZI>);

  // Fill in the cloud data
  pcl::PCDReader reader;
  reader.read("16line.pcd", *cloud);
  std::cout << "PointCloud before filtering has: " << cloud->points.size(