随机采样一致性算法RANSAC

最新推荐文章于 2023-11-15 07:00:00 发布

luoermemeda

最新推荐文章于 2023-11-15 07:00:00 发布

阅读量901

点赞数

分类专栏： pcl 文章标签： c++

本文链接：https://blog.csdn.net/luoermemeda/article/details/107884580

版权

pcl 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

作用1：点云分割通过（空间平面、直线、二维或三维圆、圆球、锥体等模型）进行分割。

作用2：点云的配准对的剔除（例子：五个点云，三个配准，利用RANSAC可以剔除另外两个）

算法简介：从样本中抽取一个子集，通过该算法最小方差对这个样本计算出这个该模型的参数（例如模型是一条直线，那么计算该样本所有的点到直线的方差，综合最短的距离就是这条直线的位置），然后所有样本与该模型的偏差。为该模型设置一个阈值，偏差小于阈值为内点，大于阈值为外点。

配准对的剔除存在的两个问题，如果目标不是现实物体，阈值比较难设定，2_：迭代次数是运行期决定的，无法知道准确次数，但是可以预测范围，每次只能检测一种模型。

代码实现

#include <pcl/sample_consensus/ransac.h>   //加载算法
#include <pcl/sample_consensus/sac_model_plane.h>    //加载平面模型
#include <pcl/sample_consensus/sac_model_sphere.h>    //加载球状模型

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::PointCloud<pcl::PointXYZ>::Ptr inliers_cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::SampleConsensusModelPlane<pcl::PointXYZ>::Ptr model_p(
                new pcl::SampleConsensusModelPlane<pcl::PointXYZ>(cloud));     //创建模型             // 根据模型迭代拟合出平面模型参数，并获取符合其模型参数的内部点
// 用于接收所有内部点的索引
std::vector<int> inliers;
pcl::RandomSampleConsensus<pcl::PointXYZ> ransac(model_p);
        // 阈值 1cm
        ransac.setDistanceThreshold(0.01f);
        // 执行计算
        ransac.computeModel();
        // 获取内点
        ransac.getInliers(inliers);


        // 根据索引列表拷贝点云
        pcl::copyPointCloud(*cloud, inliers, *inliers_cloud);

球形，其他一样

pcl::SampleConsensusModelSphere<pcl::PointXYZ>::Ptr model_s(
                new pcl::SampleConsensusModelSphere<pcl::PointXYZ>(cloud));

对于ransac来说接受的是

/** \brief RANSAC (RAndom SAmple Consensus) main constructor
        * \param[in] model a Sample Consensus model
        */
RandomSampleConsensus (const SampleConsensusModelPtr &model) 
        : SampleConsensus<PointT> (model)

所以还可以设置 pcl::SampleConsensusModel<pcl::PointXYZ>::Ptr 来接收不同的模型