PCL 计算点云的主曲率


内容抄自CSDN点云侠:2024最新版】PCL点云处理算法汇总(C++长期更新版)。质量无忧,可放心复制粘贴。

一、概述

   主曲率的计算是点云处理中重要的一步,用于理解点云局部表面几何结构的弯曲程度。主曲率的大小直接反映了表面在某点附近的变化趋势,较大的主曲率意味着表面弯曲剧烈,较小的主曲率则表示表面趋于平坦。

二、代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>
#include <pcl/features/principal_curvatures.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

using namespace std;

int main(int argc, char** argv)
{
    // 1. 读取点云数据
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::io::loadPCDFile<pcl::PointXYZ>("dragon.pcd", *cloud);

    // 2. 创建用于计算法向量的对象
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());
    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);

    ne.setInputCloud(cloud);  // 设置输入点云
    ne.setSearchMethod(tree);  // 设置搜索方法
    ne.setRadiusSearch(0.03);  // 设置搜索半径
    ne.compute(*normals);  // 计算法向量

    // 3. 创建用于计算主曲率的对象
    pcl::PrincipalCurvaturesEstimation<pcl::PointXYZ, pcl::Normal, pcl::PrincipalCurvatures> pce;
    pcl::PointCloud<pcl::PrincipalCurvatures>::Ptr curvatures(new pcl::PointCloud<pcl::PrincipalCurvatures>);
    pce.setInputCloud(cloud);     // 设置输入点云
    pce.setInputNormals(normals); // 设置法向量
    pce.setSearchMethod(tree);    // 设置搜索方法
    pce.setRadiusSearch(0.03);    // 设置搜索半径
    pce.compute(*curvatures);     // 计算主曲率

    // 4. 可视化原始点云与法向量
    // 创建PCL可视化器
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Curvatures Viewer"));

    // 创建视口1,显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);
    viewer->setBackgroundColor(0.0, 0.0, 0.0, vp_1);  // 设置白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 255, 0, 0);  // 红色点云
    viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);

    // 创建视口2,显示主曲率
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);
    viewer->setBackgroundColor(0.01, 0.01, 0.01, vp_2);  // 设置浅灰色背景
    viewer->addText("Normals", 10, 10, "vp2_text", vp_2);
    viewer->addPointCloudNormals<pcl::PointXYZ, pcl::Normal>(cloud, normals, 10, 0.05, "normals", vp_2);

    // 启动可视化循环
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
        boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }

    return 0;
}

三、结果

在这里插入图片描述

PCL中可以使用NormalEstimation类来估计点云中每个点的法向量,然后使用CurvatureEstimation类计算每个点的曲率。下面是一个简单的示例代码: ```cpp #include <pcl/point_types.h> #include <pcl/features/normal_3d.h> #include <pcl/features/curvature.h> int main() { // 创建点云 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); // 填充点云 // ... // 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.setRadiusSearch(0.03); // 设置搜索半径 ne.compute(*normals); // 计算曲率 pcl::CurvatureEstimation<pcl::PointXYZ, pcl::Normal, pcl::PrincipalCurvatures> ce; ce.setInputCloud(cloud); ce.setInputNormals(normals); ce.setSearchMethod(tree); pcl::PointCloud<pcl::PrincipalCurvatures>::Ptr curvatures(new pcl::PointCloud<pcl::PrincipalCurvatures>); ce.setRadiusSearch(0.03); // 设置搜索半径 ce.compute(*curvatures); // 输出每个点的曲率 for (int i = 0; i < curvatures->size(); ++i) { std::cout << "Curvature of point " << i << ": " << (*curvatures)[i].pc1 << std::endl; } return 0; } ``` 该示例代码首先创建了一个点云对象,然后使用NormalEstimation类估计每个点的法向量,接着使用CurvatureEstimation类计算每个点的曲率。最后,遍历每个点的曲率并输出。需要注意的是,搜索半径的大小需要根据实际点云的密度进行调整。
评论
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
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