嵌入式-老费，一个分享专业嵌入式知识的blog

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】做点云开发的，很少有不知道pcl库的，这一点就有点像做数字图像处理的，很少有不知道opencv的一样。然而在工业视觉，或者是实际生产中，另外一些专业软件，比如halcon、visionpro的使用其实更广泛一些。从这一点来说，如果需要让3d点云软件被更多的普通人接受，需要在下面三个地方进行重点着墨。1、更简单易用的UI界面、操作界面这部分就有点类似于dos...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】有过camera开发经验的朋友都知道，camera有两种标定。一种是内参标定，主要是标定切向畸变、径向畸变等参数；一种是外参标定，主要是把数据从摄像头坐标系转移到全局坐标系。举个例子来说，车上的传感器很多，每个传感器获得的数据都是以自己的坐标系为基础获得的，要想把这些数据整合在一起，必须有一个统一的车坐标系，其他传感器的数据转到这个统一的坐标系上，才能继续进行下面的工作。 ...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 图形处理里面有一个聚类算法，叫k-means。基本思想就是默认图像里面有k个区域，每个区域都可以内部聚合、外部松散的组合体，找到了这k个区域，就可以实现图像的分割了。正好，点云算法里面也有类似的一个算法，称之为欧几里得聚类算法，https://pcl.readthedocs.io/projects/tutorials/en/master/cluster_extraction.htm...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 前面我们写了平面分割（https://blog.csdn.net/feixiaoxing/article/details/123388791?spm=1001.2014.3001.5501）、圆柱分割（https://blog.csdn.net/feixiaoxing/article/details/123389321?spm=1001.2014.3001.5501）这两篇文章。细心...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 3d点云当中，一个经常用到的方法就是先找到一个平面，然后将点映射到平面上面。这个里面用到的数据结构是ProjectInliers。参考的代码链接在这，https://blog.csdn.net/weixin_42291376/article/details/106154329，代码和参数稍微做了一些修改1、准备pcl.cpp文件#include <iostream...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】前面说过了长方体绘制，这一次谈一下字符串。一个有demo效果的软件，或者说算法也行，除了用长方体绘制出效果以后，还要用字符串打印必要的信息。此外，随着时间的改变，这个信息最好是一直跳动和更新的，这样才能达到最佳的演示效果。1、照旧准备pcl.cpp文件#include<string>#include <iostream>#include &...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】不管是测量，或者是识别，一般在算法执行的过程当中，都要把相关得物体锁定出来，这个时候，绘制一个长方体就是一个不错的方法。这有点类似于opencv。因为在opencv当中，不管是检测，还是说识别，也是用一个框把具体的物体标记出来。示例代码参考了这篇blog，做了适当的修改，https://blog.csdn.net/varyshare/article/details/103355931...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】网上关于pcl的教程很多，大部分都是翻译过来的。但是怎么把pcl这些教程串在一起，做一个简单的项目，这方面的资料不多。今天，正好看到一个范例项目，很有代表性，值得一看。1、代码地址https://github.com/veraposeidon/PointCloudVolumeMeasure2、项目目标主要就是测量中间突出的那部分体积大小3、查看CM...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 和平面分割一样，pcl也支持圆柱分割。使用的方法和平面分割也差不多，都是基于ransac的基本原理。在pcl官方库当中，也给出了参考代码，注意关联的pcd文件，https://pcl.readthedocs.io/projects/tutorials/en/master/cylinder_segmentation.html#cylinder-segmentation1、准备c...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 平面分割是点云数据经常需要处理的一个功能。在很多场景下面，平面数据都是没有用的。这个时候需要考虑的，就是怎么把平面数据从点云当中分割出去。鉴于此，pcl库给我们提供了一种这样的分割处理方法，https://pcl.readthedocs.io/projects/tutorials/en/master/planar_segmentation.html#planar-segmentati...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 除了icp匹配之外，ndt匹配也是使用比较多的一种方法。相比较icp而言，ndt匹配花的时间要少一些。此外，ndt匹配还需要输入估计的yaw、pitch、roll、x、y、z，这个可以根据经验值给出。猜的越准，算法收敛的越快。参考的代码出处在这，https://pcl.readthedocs.io/projects/tutorials/en/master/normal_distrib...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 所谓匹配，其实就是看两个点云数据里面，哪些关键点是一样的。这样就可以把一个点云移动到另外合适的位置，组成一个新的点云。一般来说，单个机器人上面，3d激光扫描到的空间总是有限的，有了这个匹配算法，就可以把所有的点云组合成一个完整的3d地图了。参考的代码原来链接在这，https://pcl.readthedocs.io/projects/tutorials/en/master/itera...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】对于点云数据来说，旋转和位移的计算是十分必要的。比如数据匹配、识别、定位，如果需要查看获得的旋转矩阵对不对，那么就可以将原来的数据和旋转矩阵做一个乘积，这样就可以立刻看到对应的效果了。1、准备transform.cpp文件#include <iostream>#include <pcl/io/pcd_io.h>#include <pc...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】法向量在3d点云当中扮演很重要的一个角色。一个三维数据点的特征，不仅和它自己有关，还和它周围的点有关。而法向量，正是基于这一点所提出来的特征属性。参考代码原来的出处在这，https://blog.csdn.net/datase/article/details/849604971、准备normal_estimation.cpp文件#include <pcl/poin...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 关键点在数据匹配、三维重建和物体识别方面发挥了巨大的作用。和narf关键点相比较，sift点用的更多。不光是点云数据，sift最早是用在图像方面，相信有过图像开发经验的朋友应该不陌生。这个算法是受专利保护的算法，这一点需要注意下。1、准备sift.cpp// STL#include <iostream>// PCL#include <pcl/i...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 所谓关键点，其实就是那些梯度信息特征比较明显的点。至于是多明显，这部分需要用数学公式来进行标识。第一次学的时候，可以先有一个感性的认识。pcl库给出的例子是从RangeImage中提取narf关键点，原代码地址在这，https://pcl.readthedocs.io/projects/tutorials/en/latest/narf_keypoint_extraction.html...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 RangeImage，这个英文单词不太好翻译，姑且称之为深度图。因为点云数据中，每一个点其实都是有深度信息的。想象一下，如果把点云数据转换成一幅图片的话，那么图片中每个像素的数值就是这个深度信息。那RangeImage就是根据这个生成的。不仅于此，用户可以自己调剂距离、视场角，生成不同的深度图。之前的代码在这里，https://pcl.readthedocs.io/projects/...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 基于半径的滤波，主要是指某个半径的范围内，必须要有一定数量的邻居。而基于条件的滤波，这一点和PassThrough有点像，但是它可以把很多条件组合在一起，比如说同时满足x轴、y轴、z轴等条件，然后开始滤波。原来的代码在这，https://pcl.readthedocs.io/projects/tutorials/en/latest/remove_outliers.html#remov...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 基于参数模型滤波，更准确的说，是依赖于某一个参数方程的滤波。比如说，ax+by+cz+d=0，这个时候只要知道a、b、c、d四个数值，其实就可以确定这个平面了。不过这个方法对参数要求较高，使用场景有一定的限制。原来的代码链接在这，https://pcl.readthedocs.io/projects/tutorials/en/latest/project_inliers.html#...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 基于统计方法的滤波其实是比较好理解的。也就是说，在一个局部范围内，选择距离最近的几十个点，要求他们的平均值必须小于一个数值。这样，无形之中就把那些离散点给去除了。从原理上说，这个算法比较直观。但是它最大的问题就是计算时间太长。我一开始运行后，都以为程序不对了，结果是pc运行时间太长导致的。原来的代码地址在这，https://pcl.readthedocs.io/projects/tu...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 有一种滤波方法，被称之为基于体素网格的下采样滤波。虽然名字听上去有点拗口，其实功能并不复杂。它的中心思想就是在一个网格的空间内，只能有一个点。这么做的一个好处就是，对于一些稠密空间的点云，可以极大地降低数据的个数，这对减少计算量来说是大有裨益的。原来的代码在这https://pcl.readthedocs.io/projects/tutorials/en/master/voxel_g...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】这个滤波器可能是最简单的那一类滤波器。有点类似于opencv里面的roi，也就是感兴趣区域。简单来说，这个滤波器就是对点云数据做一个裁剪，把某一个轴上面的数据段保留下来，或者剔除。原来的代码链接在这，https://pcl.readthedocs.io/projects/tutorials/en/master/passthrough.html#passthrough1、准备p...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 和kd树一样，八叉树也是一种数据管理方式。如果二叉树分别由左子树和右子树两个分支，那么八叉树就有八个分支。选择这一种数据结构主要也是为了查找方便。参考代码可以查找这个链接，https://pcl.readthedocs.io/projects/tutorials/en/master/octree.html#octree-search1、准备octree_search.cpp文...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】kd 树是点云数据的一种管理方式。如果打个比方，就像一串数据一样，可以用数组串起来，也可以用二叉树串起来。用特定的数据结构把数据管理起来，最终还是为了更快更好的查找数据。比如如果我们查找一个点周围有哪些数据，如果没有kd树这样的数据结构，那么就只能一个一个去遍历了，效率非常低。参考的代码网页在这里，https://pcl.readthedocs.io/projects/tutoria...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】点云数据显示是开发过程中必不可少的一个环节。因为在实际场景中，可能会涉及到很多的算法步骤，这中间的每一步，都要停下来看一下，处理结果是不是我们自己想要的，所以这中间就必然会涉及到查看显示的部分。显示本身不复杂，但是有几个细节需要注意下。1、准备cloud_view.cpp #include <pcl/visualization/cloud_viewer.h> #inclu

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】 之前谈到了，如果从lidar获取数据，那么需要保存成pcd的形式。这个在https://feixiaoxing.blog.csdn.net/article/details/123292126里面谈到过。那么如何从pcd加载数据，其实方法也是一样的。相关内容可以参考这个链接Reading Point Cloud data from PCD files — Point Cloud Lib...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】安装好了pcl库之后，下面就是需要想办法采集真实的雷达数据了。和camera不同，3d雷达一般需要单独购买。这方面，camera就强太多了，不仅手机有camera，电脑有camera，就算单独购买，也只要几百块钱。3d雷达则不同，最便宜的3d雷达也要3-4千块，多的可能大几万，这方面大家量力而行。有条件，可以自己购买；没有条件，可以申请单位购买；再不济，那就只能去看一下有没有别人不用...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】之前讨论过，目前3d激光雷达这块，算法部分用的最多的就是pcl库。网上很多教程都是讲pcl在linux平台上面使用的，其实在windows上面也是非常方便的。所以，今天就看一下，在windows平台，特别是win10平台上面，pcl应该如何使用。1、前置条件 pcl被使用，一般需要这三个条件，分别是vs2017、cmake和pcl库。vs2017是编译工具...

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing @163.com】大约在2017年的时候，学习百度的apollo系统的时候，就知道3d激光雷达了。3d激光雷达和普通的激光雷达不太一样。像现在很多的扫地机器人，都配置了激光雷达。不过这些扫地机器人用的是单线激光雷达，常常用于定位。而从去年开始到现在，车企开始部署和推广的是3d激光雷达，也就是多线激光雷达。这里面原因很多，价格其实是最主要的原因，通俗一点说就是便宜了、用得起了。1、为什么现在学3...