**
点云学习初步1
**
pcl编码风格:https://www.cnblogs.com/zhongllmm/p/15965846.html
pcl支持的点云格式:
.pcd //PCL官方指定格式,具有ASCII和binary两种数据存储类型,pcd格式具有文件头,用于描绘点云的整体信息
.ply //一种由斯坦福大学的Turk等人设计开发的多边形文件格式,因而也被成为斯坦福三角格式。文件格式有文本和二进制两种格式
.obj //OBJ文件是一种标准的3D模型文件格式
.xyz(ascii) //一种文本格式,前面3个数字表示点坐标,后面3个数字是点的法向量,数字间以空格分隔
.vtk
.png
.tif
.las //LiDAR数据的工业标准格式,是一种二进制文件格式
参考链接:https://blog.csdn.net/qq_60143666/article/details/122470154
pcd文件的读写:
//依赖的头文件
#include<iostream>
#include<pcl/io/pcd_io.h>//PCD读写类相关的头文件
#include<pcl/point_types.h>//pcl支持的点类型文件
typedef pcl::PointXYZ PointT;//别名
typedef pcl::PointCloud<PointT>PointCloud;
PointCloud::Ptr cloud(new PointCloud);//等同 pcl::PointCloud<pcl::PointXYZ>::Ptr
1.读取
//方法一
pcl::PCDReader reader;
reader.read("xxx.pcd",*cloud)
//方法二
pcl::io::loadPCDfile("xxx.pcd",*cloud);
2.保存
//方法一
pcl::PCDWriter writer;
writer.writer("xxx.pcd",*cloud);
writer.writeBinary("xxx.pcd,*cloud);//大文件使用二进制,速度更快
writer.witeASCII("xxx.pcd,*cloud)
writer.writerBinaryCompressed("xxx.pcd",*cloud)
//方法二
pcl::io::savePCDFile("xxx.pcd",*cloud);
pc::io::savePCDfileASCII("xxx.pcd",*cloud);
pcl::io::savePCDFileBinary("xxx.pcd",*cloud)
pcl::io::savepcdFileBinaryCompressed("xxx.pcd",*cloud)
ply文件的读写:
//与pcd文件读取类似
//依赖的头文件
#include<iostream>
#include<pcl/io/ply_io.h>//Ply读写类相关的头文件
#include<pcl/point_types.h>//支持的点类型文件
typedef pcl::PointXYZ PointT;//别名
typedef pcl::PointCloud<PointT>PointCloud;
PointCloud::Ptr cloud(new PointCloud);//等同 pcl::PointCloud<pcl::PointXYZ>::Ptr
1.读取
//方法一
pcl::PLYReader reader;
reader.read("xxx.ply",*cloud)
//方法二
pcl::io::loadPLYfile("xxx.ply",*cloud);
2.保存
//方法一
pcl::PCDWriter writer;
writer.writer("xxx.ply",*cloud);
writer.writeBinary("xxx.ply,*cloud);//大文件使用二进制,速度更快
writer.witeASCII("xxx.ply,*cloud)
writer.writerBinaryCompressed("xxx.ply",*cloud)
//方法二
pcl::io::savePCDFile("xxx.ply",*cloud);
pc::io::savePCDfileASCII("xxx.ply",*cloud);
pcl::io::savePCDFileBinary("xxx.ply",*cloud)
pcl::io::savepcdFileBinaryCompressed("xxx.ply",*cloud)
拼接点云
1.拼接相同类型点云,点数可以不相同,包含相同字段
2.连接具有不同字段的点云,要求点数相等,拼接不同的属性。
pcl::PointCloud<pcl::PointXYZ>cloud_a,cloud_b.cloud_c;
pcl::PointCloud<pcl::Normal>n_cloud_b;
pcl::PointCloud<pcl::PointNormal>p_n_cloud_c;
1.拼接点云
cloud_c=cloud_a;
cloud_c+=cloud_b;//连接点云
2.连接点云
pcl::concatenateFields(cloud_a,cloud_b,p_n_cloud_c);//连接字段,a和b的点数相同
虚拟地形项目库https://vterrain.org/
麻省理工城市大规模数据http://modelnet.cs.princeton.edu/
http://shape.cs.princeton.edu/benchmark/
kdtree
kd树(k-dimensional树的简称),是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索(如:范围搜索和最近邻搜索)。
#include<iostream>
#include <pcl/point_cloud.h>
#include<pcl/kdtree/kdtree_flann.h>
#include<vector>
pcl::kdTreeFLANN<pcl::PointXYZ>kdtree;//定义一个kdtree
kdtree.setinputCloud(cloud);//输入点云
**K近邻搜索**
pcl::PointXYZ searchPoint;
int k=10;//临近点数量
std::vector<int>pointIdxNKNSearch(K);
std::vector<float>pointNKNSquaredDistance(k);
int num=kdtree.nearestKSearch(searchPoint,k,pointIdxNKNSearch,pointNKNSquaredDistance)//搜索的点,搜索范围,存储搜索到的点,搜索到点的距离)
**在半径r内搜索近邻**
std::vector<int>pointIdxRadiusSearch;
std::vector<float>pointRadiusSquaredDistance;
int num=kdtree.radiusSearch(searchPoint,radius,pointIdxRadiusSearch,pointRadiusSquaredDistance)
octree
三维空间下的八叉树
#include <pcl/point_cloud.h>
#include<pcl/octree/octree.h>
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);//有一点困惑? 答:Ptr是智能指针,看其他文章详解
float resolution=128.0f;//分辨率 根据格子大小来拟定
pcl::octree::OctreePointCloudSearch<pcl::PointXYZ> octree(resolution);//有一点困惑
octree.setInputCloud(cloud);//点云输入其中
octree.addPointsFromInputCloud();//比kdtree多一句
pcl::PointXYZ searchPoint;
**体素内近邻搜索**
std::vector<int>pointIdxVec;
octree.voxelSearch(searchPoint,pointIdxVec)
**K近邻搜索**
int k=10;//临近点数量
std::vector<int>pointIdxNKNsearch;
std::vector<float>pointNKNSquaredDistance;
int num=octree.nearestkSearch(searchPoint,k,pointIdxNKNSearch,pointNKNSSquaredDistance)//搜索的点,搜索范围,存储搜索到的点,搜索到点的距离)
**半径内近邻搜索**
std::vector<int>pointIdxRadiusSearch;
std::vector<float>pointRadiusSquaredDistance;
int num=octree.radiusSearch(searchPoint,radius,pointIdxRadiusSearch,pointRadiusSquaredDistance)
点云可视化
PCL中pcl_visualization库中提供了可视化相关的数据结构和组件,其主要是为了可视化其他模块算法处理后的结果,可直观的反馈给用户。其依赖于pcl_common、pcl_range_image、pcl_kdtree、pcl_IO模块以及VTK外部开源可视化库。
1.简单可视化
pcl::visualization::CloudViewer viewer("Cloud Viewer");//创建viewer对象
viewer.showCloud(cloud);
2高级可视化
cloudViewer类本质上是PCLVisualizer类的简化封装,如需更多操作,则需要使用PCLVisualizer。
#include <pcl/io/pcd_io.h>
#include <pcl/io/ply_io.h>
#include <pcl/point_types.h>
// 包含相关头文件
#include <pcl/visualization/pcl_visualizer.h>
typedef pcl::PointXYZ PointT;
int main()
{
// 读取点云
pcl::PointCloud<PointT>::Ptr cloud1(new pcl::PointCloud<PointT>);
pcl::io::loadPCDFile("0010.pcd", *cloud1);
pcl::PointCloud<PointT>::Ptr cloud2(new pcl::PointCloud<PointT>);
pcl::io::loadPCDFile("0020.pcd", *cloud2);
// 定义对象
pcl::visualization::PCLVisualizer viewer;
//设置背景颜色,默认黑色
//viewer.setBackgroundColor(100, 100, 100); // rgb
// --- 显示点云数据 ----
// "cloud1" 为显示id,默认cloud,显示多个点云时用默认会报警告。
pcl::visualization::PointCloudColorHandlerCustom<PointT> green(cloud2, 0, 255, 0); // rgb
viewer.addPointCloud(cloud1, green, "cloud1");
pcl::visualization::PointCloudColorHandlerCustom<PointT> red(cloud2, 255, 0, 0); // rgb
// 将点云设置颜色,默认白色
viewer.addPointCloud(cloud2, red, "cloud2");
// 将两个点连线
PointT temp1 = cloud1->points[0];
PointT temp2 = cloud1->points[1000];
//viewer.addLine(temp1, temp2, "line0");
// 同样可以设置线的颜色,蓝色
viewer.addLine(temp1, temp2, 0, 0, 255, "line0");
// --- 显示网格数据 ---
pcl::PolygonMesh mesh;
pcl::io::loadPLYFile("read.ply", mesh);
viewer.addPolygonMesh(mesh);
// 开始显示2种方法,任选其一
// 1. 阻塞式
viewer.spin();
// 2. 非阻塞式
while (!viewer.wasStopped())
{
viewer.spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(100000));
// 可添加其他操作
}
system("pause");
return 0;
}
多窗口点云可视化显示
boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("ShowCloud"));
viewer->setWindowName("点云导向滤波");//窗口名称
int v1(0);
viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1);//窗口大小
viewer->setBackgroundColor(0, 0, 0, v1);
viewer->addText("Raw point clouds", 10, 10, "v1_text", v1);
int v2(0);
viewer->createViewPort(0.5, 0.0, 1, 1.0, v2);
viewer->setBackgroundColor(0.1, 0.1, 0.1, v2);
viewer->addText("filtered point clouds", 10, 10, "v2_text", v2);
pcl::visualization::PointCloudColorHandlerGenericField<pcl::PointXYZ> Color(cloud, "z");
pcl::visualization::PointCloudColorHandlerGenericField<pcl::PointXYZ> FilterColor(cloudOut, "z");
viewer->addPointCloud<pcl::PointXYZ>(cloud, Color, "sample cloud", v1);
viewer->addPointCloud<pcl::PointXYZ>(cloudOut, FilterColor, "cloud_filtered", v2);
//view->addCoordinateSystem(1.0);
//view->initCameraParameters();
while (!viewer->wasStopped())//阻塞式
{
viewer->spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(100000));
}
return 0;
}
阻塞式修正:
#include <boost/thread/thread.hpp>
while (!viewer->wasStopped())
{
viewer->spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(1000));//因为用的pcl1.12.1推测之前的数值出现问题以及头文件吧不对
}