Open3D点云库 C++学习笔记

几何篇(四)


前言

本章节将主要介绍K-d树和八叉树。


一、K-d树

Open3D 使用FLANN构建 KDTrees 以快速检索最近的邻。其搜索方式主要包括两种,一种是根据数量搜索,另一种是根据半径来搜索。

代码如下:

    auto new_cloud_ptr = std::make_shared<geometry::PointCloud>();//读入点云数据,并判断是否读入成功
    if (io::ReadPointCloud("../data/fragment.ply", *new_cloud_ptr)) {
        utility::LogInfo("Successfully read {}", "../data/fragment.ply");
    } else {
        utility::LogWarning("Failed to read {}", "../data/fragment.ply");
        return 1;
    }

    Eigen::Vector3d color(0.5,0.5,0.5); //把点云设置为灰色

    new_cloud_ptr->open3d::geometry::PointCloud::PaintUniformColor(color);//把点云设置为灰色

    //最大个数的搜索方法
    geometry::KDTreeFlann kdtree;
    int num =200; //最近邻个数
    kdtree.SetGeometry(*new_cloud_ptr);
    std::vector<int> new_indices_vec(num);//最近邻对应的点云索引序号
    std::vector<double> new_dists_vec(num);//最近邻离中心点的距离
    kdtree.SearchKNN(new_cloud_ptr->points_[1500], num, new_indices_vec, //将第1500个点设置为搜索的中心点
                     new_dists_vec);

    for (size_t i = 0; i < new_indices_vec.size(); i++) {
        utility::LogInfo("{:d}, {:f}", (int)new_indices_vec[i],
                         sqrt(new_dists_vec[i]));
        new_cloud_ptr->colors_[new_indices_vec[i]] =
                Eigen::Vector3d(1.0, 0.0, 0.0);  //最近邻涂成红色
    }

     new_cloud_ptr->colors_[1500] = Eigen::Vector3d(0.0, 1.0, 0.0); //搜索中心设置为绿色

     //最大半径的搜索方法
    float r = 0.1; //设置的搜索半径
    int k = kdtree.SearchRadius(new_cloud_ptr->points_[4000], r, new_indices_vec,
                                new_dists_vec);

    utility::LogInfo("======== {:d}, {:f} ========", k, r);
    for (int i = 0; i < k; i++) {
        utility::LogInfo("{:d}, {:f}", (int)new_indices_vec[i],
                         sqrt(new_dists_vec[i]));
        new_cloud_ptr->colors_[new_indices_vec[i]] =
                Eigen::Vector3d(0.0, 0.0, 1.0);//最近邻涂成蓝色
    }
    new_cloud_ptr->colors_[4000] = Eigen::Vector3d(1.0, 0.0, 0.0);//搜索中心设置为红色

    visualization::DrawGeometries({new_cloud_ptr}, "KDTreeFlann", 1600, 900);

结果如下:

在这里插入图片描述

二、八叉树

八叉树(Octree)是一种树型数据结构,其中每个内部节点都有八个子节点。八叉树通常用于 3D 点云的空间划分。八叉树的非空叶节点包含一个或多个落入同一空间的细分点。八叉树是 3D 空间的有用描述,可用于快速找到附近的点。Open3D 的Octree可用于创建、搜索和遍历,具有用户指定最大树深度的八叉树的几何类型。关于八叉树的原理部分可参考此篇文章:https://wenku.baidu.com/view/f9553133f28583d049649b6648d7c1c708a10bd4.html

代码如下:

bool f_traverse(const std::shared_ptr<geometry::OctreeNode>& node,
                const std::shared_ptr<geometry::OctreeNodeInfo>& node_info) {
    if (auto internal_node =
                std::dynamic_pointer_cast<geometry::OctreeInternalNode>(node)) {
        if (auto internal_point_node = std::dynamic_pointer_cast<
                    geometry::OctreeInternalPointNode>(internal_node)) {
            int num_children = 0;
            for (const auto& c : internal_point_node->children_) {
                if (c) num_children++;
            }
            utility::LogInfo(
                    "Internal node at depth {} with origin {} has "
                    "{} children and {} points",
                    node_info->depth_, node_info->origin_, num_children,
                    internal_point_node->indices_.size());
        }
    } else if (auto leaf_node = std::dynamic_pointer_cast<
                       geometry::OctreePointColorLeafNode>(node)) {
        utility::LogInfo(
                "Node at depth {} with origin {} has"
                "color {} and {} points",
                node_info->depth_, node_info->origin_, leaf_node->color_,
                leaf_node->indices_.size());
        // utility::LogInfo("Indices: {}", leaf_node->indices_);
    } else {
        utility::LogError("Unknown node type");
    }

    return false;
}

int main(int argc, char *argv[]) {
         auto pcd = io::CreatePointCloudFromFile("../data/fragment.ply");
        visualization::DrawGeometries({pcd},"input");

        constexpr int max_depth = 4; //设置最大深度为4
        auto octree = std::make_shared<geometry::Octree>(max_depth);
        octree->ConvertFromPointCloud(*pcd);

        octree->Traverse(f_traverse);

        std::cout << std::endl << std::endl;
        auto start = std::chrono::steady_clock::now();
        auto result = octree->LocateLeafNode(Eigen::Vector3d::Zero());
        auto end = std::chrono::steady_clock::now();
        utility::LogInfo(
                "Located in {} usec",
                std::chrono::duration_cast<std::chrono::microseconds>(end - start)
                        .count());
        if (auto point_node =
                    std::dynamic_pointer_cast<geometry::OctreePointColorLeafNode>(
                            result.first)) {
            utility::LogInfo(
                    "Found leaf node at depth {} with origin {} and {} indices",
                    result.second->depth_, result.second->origin_,
                    point_node->indices_.size());
        }
        std::cout << std::endl << std::endl;

        visualization::DrawGeometries({pcd, octree},"octree output");
        return 0;
}

输入点云图:
在这里插入图片描述
使用八叉数结构对点云图进行储存结果如下:
在这里插入图片描述


三、参考资料

http://www.open3d.org/docs/latest/tutorial/geometry/kdtree.html
http://www.open3d.org/docs/latest/tutorial/geometry/octree.html

总结

以上就是几何篇(四)的全部内容,完整的可执行代码可以在我的github仓库进行下载,文章会持续更新,如果文章中有写的不对的地方,希望大家可以在评论区进行批评和指正,大家一起交流,共同进步!

  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
Open3D是一个开源的计算机图形库,可以用于三维图形处理和点云处理。在Open3D中,点云变换是指对点云数据进行旋转、平移、缩放或仿射变换的操作。 点云变换在许多计算机视觉和机器人领域中具有重要的应用。例如,在SLAM(同步定位与地图构建)中,通过对点云进行变换可以将局部地图与全局坐标系对齐;在目标检测和识别中,可以通过对点云进行变换来实现尺度不变性和姿态估计等任务。 在Open3D中,点云变换可以通过变换矩阵来实现。变换矩阵是一个4x4的矩阵,包含了旋转、平移和缩放等变换信息。通过将点云数据与变换矩阵相乘,可以将点云进行相应的变换。具体操作如下: 1. 创建一个变换矩阵。可以使用Open3D提供的函数创建单位矩阵,然后根据需要进行旋转、平移和缩放等操作,将结果保存到变换矩阵中。 2. 将点云数据加载到Open3D中。可以使用Open3D提供的函数加载点云数据,例如从PLY或XYZ文件中加载。 3. 将变换矩阵应用于点云数据。使用Open3D提供的函数,将变换矩阵与点云数据进行乘法运算,得到变换后的点云数据。 4. 可以将变换后的点云数据保存到文件中,或者通过Open3D提供的函数进行可视化显示。 通过Open3D进行点云变换,可以方便地实现对点云数据的各种变换操作。同时,Open3D还支持其他强大的功能,例如点云配准、滤波和特征提取等,可以帮助开发人员进行更多的点云处理任务。

“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 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

猫大的救赎计划

你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
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