平面分割--------PCL

master cat

已于 2024-05-06 17:10:29 修改

阅读量145

点赞数 2

分类专栏： PCL 文章标签： pcl 平面分割

于 2024-05-06 17:10:10 首次发布

本文链接：https://blog.csdn.net/mankeywang/article/details/138501232

版权

PCL 专栏收录该内容

15 篇文章 0 订阅

订阅专栏

平面分割

bool PclTool::planeSegmentation(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::ModelCoefficients::Ptr coefficients, pcl::PointIndices::Ptr inliers)
{
    std::cout << "Point cloud data: " << cloud->points.size() << " points" << std::endl;


    // 创建分割时所需要的模型系数对象，coefficients及存储内点的点索引集合对象inliers
    // pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);
    // pcl::PointIndices::Ptr inliers(new pcl::PointIndices);
    // pcl::ModelCoefficients用于存储平面模型的系数（A、B、C和D）。
    // Model coefficients: 0 0 1 -1：平面模型的系数表示为[A, B, C, D]，其中A、B、C表示平面的法向量，D表示平面到原点的距离。在这里，系数为[0, 0, 1, -1]，表示平面的法向量在Z轴上，距离原点的距离为1，即平面方程为Z=1。
    // 而pcl::PointIndices用于存储内点的索引


    // 创建分割对象
    pcl::SACSegmentation<pcl::PointXYZ> seg;
    // 可选择配置，设置模型系数需要优化
    seg.setOptimizeCoefficients(true);
    // 必要的配置，设置分割的模型类型，所用的随机参数估计方法，距离阀值，输入点云
    seg.setModelType(pcl::SACMODEL_PLANE);  // 设置模型类型
    seg.setMethodType(pcl::SAC_RANSAC);     // 设置随机采样一致性方法类型
    seg.setDistanceThreshold(0.01);         // 设定距离阀值，距离阀值决定了点被认为是局内点是必须满足的条件
                                     // 表示点到估计模型的距离最大值，

    seg.setInputCloud(cloud);
    // 引发分割实现，存储分割结果到点几何inliers及存储平面模型的系数coefficients
    seg.segment(*inliers, *coefficients);
    if (inliers->indices.size() == 0)
    {
        std::cout << "Could not estimate a planar model for the given dataset." << std::endl;
        return false;
    }
    return true;
}

测试代码

        // 平面分割
    pcl::PointCloud<pcl::PointXYZ>::Ptr planeSeg_cloud(new pcl::PointCloud<pcl::PointXYZ>);

    // 填充点云
    planeSeg_cloud->width = 15;
    planeSeg_cloud->height = 1;
    planeSeg_cloud->points.resize(planeSeg_cloud->width * planeSeg_cloud->height);

    // 生成数据，采用随机数填充点云的x,y坐标，都处于z为1的平面上
    for (size_t i = 0; i < planeSeg_cloud->points.size(); ++i)
    {
        planeSeg_cloud->points[i].x = 1024 * rand() / (RAND_MAX + 1.0f);
        planeSeg_cloud->points[i].y = 1024 * rand() / (RAND_MAX + 1.0f);
        planeSeg_cloud->points[i].z = 1.0;
    }

    // 设置几个局外点，即重新设置几个点的z值，使其偏离z为1的平面
    planeSeg_cloud->points[0].z = 2.0;
    planeSeg_cloud->points[3].z = -2.0;
    planeSeg_cloud->points[6].z = 4.0;

    pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);
    pcl::PointIndices::Ptr inliers(new pcl::PointIndices);

    PclTool::planeSegmentation(planeSeg_cloud, coefficients, inliers);

    if (inliers->indices.size() == 0)
    {
        std::cout << "Could not estimate a planar model for the given dataset." << std::endl;
    }
    // 打印出平面模型
    std::cout << "Model coefficients: " << coefficients->values[0] << " " << coefficients->values[1] << " " << coefficients->values[2] << " " << coefficients->values[3] << std::endl;

    std::cout << "Model inliers: " << inliers->indices.size() << std::endl;
    for (size_t i = 0; i < inliers->indices.size(); ++i)
    {
        std::cout << inliers->indices[i] << "\t" << planeSeg_cloud->points[inliers->indices[i]].x << " " << planeSeg_cloud->points[inliers->indices[i]].y << " " << planeSeg_cloud->points[inliers->indices[i]].z << std::endl;
    }
    
    return 0;

反馈结果

在这里插入图片描述

Model coefficients: 0 0 1 -1：平面模型的系数表示为[A, B, C, D]，其中A、B、C表示平面的法向量，D表示平面到原点的距离。在这里，系数为[0, 0, 1, -1]，表示平面的法向量在Z轴上，距离原点的距离为1，即平面方程为Z=1。
pcl::PointIndices用于存储内点的索引