PCL：点云数据基于法线的边界提取(从最初的法线估计理论推导到最终的边界提取)

最新推荐文章于 2023-12-18 20:54:24 发布
最新推荐文章于 2023-12-18 20:54:24 发布
阅读量1.3w 收藏 183
点赞数 24
分类专栏： PCL
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_37957160/article/details/105404119
版权

该边界提取采用PCL库里边的方法，基于法线估计来实现的边界检测与提取：

首先从原始点云上计算出法线，再由法线结合数据估计出边界。（这样解释还是特别抽像吧）

------------法线求解：（平面的法线是垂直于它的单位向量。在点云的表面的法线被定义为垂直于与点云表面相切的平面的向量。法线提供了关于曲面的曲率信息）

对点云数据集的每个点的法线估计，可以看作是对表面法线的近似推断。（因此该表面的判断就是你寻找的周围几个点或者半径内几个点组成的平面，就是下述代码中reforn这个参数，该参数的设置一般设置为分辨率的10倍时，效果较好，主要是对于法线估计。邻域半径选择太小了，噪声较大，估计的法线就容易出错，而搜索邻域半径设置的太大估计速度就比较慢。）

----------求解原理

确定表面一点法线的问题近似于估计表面的一个相切面法线的问题，因此转换过来以后就变成一个最小二乘法平面拟合估计问题。

平面方程用法线式表示为:\cos\alpha \cdot x+\cos\beta \cdot y+\cos\gamma \cdot z+p=0

\cos\alpha ,\cos\beta ,\cos\gamma为平面上点

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Upupup6
关注
  • 24
    点赞
  • 踩
  • 183
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 33
    评论
专栏目录
订阅专栏
PCL 点云边界提取
点云侠的博客
02-24 37万+
PCL 中基于法线实现的点云边界提取。博客长期更新，最近一次更新时间为：2024年6月25日。新增PCL 1.14.1实现代码。
PCL::StatisticalOutlierRemoval
最新发布
qq_16758589的博客
06-06 169
默认是不输出保留和移除的点云Index的，如果需要获取移除的Index和保留的点，构造时要给一个默认参数，这样就会输出相应的Index。点云是一种描述周围环境离散式的三维表达，无论是采用视觉三维重建，还是采用激光扫描获取的三维空间点云，往往会获取到环境周边的杂乱无章的点云，我们可以通过场景构建避免大部分，但是多多少少都会有一些杂点。离群点滤波是一种常见的去除噪点的方法。它通过计算一个点的邻域内的点和该点的距离，来判断该点是否为噪点。如果该点距离邻域内的点的平均距离超过一定的阈值，则认为该点为噪点。
PCL chapter10 BoundarEstimation边界提取（基于法线估计）
自动驾驶行业学习、交流
08-14 8787
1、概述 这种边界检测的方式和上一次的不同：本次是基于点云的，有点云估计出法线，再由法线和点云数据估计出边界；上次https://blog.csdn.net/suyunzzz/article/details/99175706的边界估计是基于深度图像的。 注意：此API中有多个参数需要用户根据自己的数据进行调整，其中影响主要是估计法线的半径设置normEST.setRadiusSearch(re...
PCL学习笔记(34)——基于法线的边界提取
Christo的博客
09-21 729
源码 #include <iostream> #include <pcl/console/parse.h> #include <pcl/filters/extract_indices.h> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/visualization/pcl_visualizer.h> #include <boost/thr
《点云处理》 点云边缘提取
dyk4ever的博客
12-18 1434
点云边缘提取。
PCL法线计算及原理
qq_40791099的博客
09-08 5573
这里写目录标题程序第一种第二种原理 程序 计算协方差矩阵： 法线估计类NormalEstimation的实际计算调用程序内部执行以下操作： 对点云P中的每个点p 1.得到p点的最近邻元素 2.计算p点的表面法线n 3.检查n的方向是否一致指向视点，如果不是则翻转 在PCL内估计一点集对应的协方差矩阵，可以使用以下函数调用实现： //定义每个表面小块的3x3协方差矩阵的存储对象 Eigen::Matrix3fcovariance_matrix; //定义一个表面小块的质心坐标16-字节对齐存储对象 Eigen
PCL：从法线计算到曲率计算并可视化
m0_37957160的博客
04-28 1万+
表面法线是几何体表面的重要属性，在很多领域都有大量应用，例如：在进行光照渲染时产生符合可视习惯的效果时需要表面法线信息才能正常进行，对于一个已知的几何体表面，根据垂直于点表面的矢量，因此推断表面某一点的法线方向通常比较简单。然而，由于我们获取的点云数据集在真实物体的表面表现为一组定点样本，这样就会有两种解决方法： （1）使用曲面重建技术，从获取的点云数据集中得到采样点对应的曲面，然后从曲面模型中...
点云PCL估计一个点云的表面法线.zip
06-06
法线的估计对于理解和解析点云数据至关重要，因为它们提供了关于物体表面几何形状和朝向的信息。在自动驾驶场景中，精确的法线估计可以用于道路识别、障碍物检测和避障策略的制定。 PCL库提供了多种方法来估计点云...
PCL（十八）从距离图像中提取点云的边界 数据
03-05
2. **距离图像生成**：从点云数据生成距离图像，常用的方法是通过体素网格过滤（Voxel Grid Filter）或 octree 数据结构进行下采样，减少点云的复杂性，然后利用PCL中的`pcl::OrganizedEdge3D`类计算边缘。...
pcl 3d点云数据数据_pcd_10_16.rar
10-16
PCL（Point Cloud Library）是一个开源的C++库，专门用于处理三维点云数据，提供从数据采集、预处理、特征提取、分割、配准到三维重建等一系列算法。 标题"pcl 3d点云数据数据_pcd_10_16.rar"表明这是一个与PCL库...
PCL 点云法线估计与显示
07-19
PCL随机创建点云并计算法线的程序，在VS2010中编译。 也可在windows命令行中直接运行debug中的exe文件： Usage: pcl_visualizer_demo [options] Options: ------------------------------------------- -h this ...
pcl:点云库（PCL）
05-12
点云库 网站 新网站现已在在线，并且可以 :hammer_and_wrench: 。 如果您确实需要访问旧网站，请使用。 请注意，该网站之前曾被黑客入侵，但仍可能托管一些恶意代码。 持续集成 搭建平台 地位 的Ubuntu 视窗 苹果...
PCL基础4：PCLVisualizer可视化窗口显示
热门推荐
m0_37957160的博客
03-05 1万+
1.单视口显示。 //可视化结果 pcl::visualization::CloudViewer viewer("边界提取"); viewer.showCloud(cloud_out); while (!viewer.wasStopped()) { } 所谓简单可视化类，是指直接在程序中使用，而且不支持多线程。 必须包含的头文件 #include<pcl/visualiz...
计算点云之间的平均距离，方差，标准差
m0_37957160的博客
05-18 7824
Tips: 看公式，可以推断出计算标准差分为几步： 计算平均值u=(x1+x2+...+xn)/n 计算方差s²=((x1-u)^2 +(x2-u)^2 +...+(xn-u)^2)/n 计算标准差σ=sqrt(s²) //求平均值 double average(double *x, int len) { double sum = 0; for (int i = 0; ...
PCL：拟合平面直线和曲线以及空间曲线的原理到算法实现
m0_37957160的博客
05-20 6834
使用两种思路进行直线拟合： 1.利用逆矩阵思想 --------------进行下列公式的推导需要理解逆矩阵（求A矩阵的逆矩阵，则A矩阵必须是方阵）的知识： （1）为什么要引入逆矩阵呢？ 逆矩阵可以类比成数字的倒数，比如数字5的倒数是1/5，矩阵A的“倒数”是A的逆矩阵。5*(1/5)=1, A*（A的逆矩阵） = I，I是单位矩阵。引入逆矩阵的原因之一是用来实现矩阵的除法。比如有矩阵X，A，B，其中X*A = B，我们要求X矩阵的值。本能来说，我们只需要将B/A就可以得到X矩阵了。但是对于矩阵来说
PCL：超详细的基于法向量和曲率的区域生长算法原理以及源码解读
m0_37957160的博客
05-03 5301
以下是分步代码解读： 1.就是读取数据（略） 2.基于kd-tree搜索求法线，求的的法线保存在normal_里边（略） 3.邻域 //3.邻域************************************************************************************ int point_num = cloud->points.size...
霍夫变换（Hough Transform）：霍夫变化在图像处理以及点云处理中的直线检测应用
m0_37957160的博客
05-25 5058
霍夫变换（Hough Transfrom）是图像处理中的一种特征提取技术，它通过一种投票算法检测具有特定形状的物体，该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换的结果。 最初的霍夫变换是设计用来检测直线和曲线的，起初的方法要求知道物体边界线的解析方程，但不需要有关区域位置的先验知识，这种方法的一个突出优点是分割结果的鲁棒性，即对数据的不完全或者噪声不是非常的敏感，然而要获得描述边界的解析表达常常是不可能的；后经过推广，经典霍夫变换用来检测图像中的直线，再后来霍
PCL：点云特征描述子3D_object_recognition_(descriptors)
m0_37957160的博客
09-04 4813
翻译自该网站：
pcl 点云边界提取/边界轮廓点提取(附完整c++代码)
11-23
基于PCL（Point Cloud Library）的点云边界提取可以通过以下步骤实现： 首先，需要加载点云数据，可以从文件中加载或者实时采集。 其次，利用PCL中的NormalEstimation类估计点云数据的法向量。法向量是计算边界的重要依据，能够帮助确定点云中的表面变化。 然后，使用PCL中的BoundaryEstimation类来估计点云的边界。该类会根据法向量和点云数据的几何信息来确定点云的边界点，生成一个包含边界点索引的输出向量。 最后，可以根据边界点的索引，从原始点云数据中提取出边界点的信息，包括坐标和其他属性。 以下是一个简单的C++代码示例，演示了如何使用PCL进行点云的边界提取： ```cpp #include <pcl/point_cloud.h> #include <pcl/point_types.h> #include <pcl/io/pcd_io.h> #include <pcl/features/normal_3d.h> #include <pcl/features/boundary.h> int main () { // 读取点云数据 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>); pcl::io::loadPCDFile ("cloud.pcd", *cloud); // 估计法向量 pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne; ne.setInputCloud (cloud); pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ> ()); ne.setSearchMethod (tree); pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>); ne.setKSearch (20); ne.compute (*normals); // 边界提取 pcl::BoundaryEstimation<pcl::PointXYZ, pcl::Normal, pcl::Boundary> est; pcl::PointCloud<pcl::Boundary> boundaries; est.setInputCloud (cloud); est.setInputNormals (normals); est.setRadiusSearch (0.02); est.setAngleThreshold (M_PI/4); est.setSearchMethod (tree); est.compute (boundaries); // 提取边界点 for (size_t i = 0; i < boundaries.points.size (); ++i) { if (boundaries.points[i].boundary_point) std::cout << "边界点索引: " << i << " - " << cloud->points[i].x << " " << cloud->points[i].y << " " << cloud->points[i].z << std::endl; } return (0); } ``` 这段代码首先加载了一个点云数据文件"cloud.pcd"，然后进行法向量估计和边界提取，最后输出了边界点的坐标信息。通过这个代码示例，可以实现基于PCL的点云边界提取功能。
评论 33
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

Upupup6

写手不易请留下你的打赏鼓励谢谢

¥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

实付元
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