前言
通过前面的文章,我们基本上代建的相关环境。本文将继续基于此继续学习PCL相关采样一致性算法。
基础代码下载
1.准备
1.1 Ransac算法介绍
RANSAC从样本中随机抽选出一个样本子集,使用最小方差估计算法对这个子集计算模型参数,然后计算所有样本与该模型的偏差,再使用一个预先设定好的阈值与偏差比较,当偏差小于阈值时,该样本点属于模型内样本点 ( inliers),或称内部点、局内点或内点,否则为模型外样本点(outliers),或称外部点、局外点或外点,记录下当前的 inliers 的个数,然后重复这一过程。每一次重复都记录当前最佳的模型参数,所谓最佳即是inliers的个数最多 ,此时对应的inliers个数为 best_ninliers 。 每次迭代的末尾都会根据期望的误差率、 best_ninliers、总样本个数、当前迭代次数,计算一 个迭代结束评判因子,据此决定是否迭代结束。迭代结束后,最佳模型参数就是最终的模型参数估计值 。
1.2 准备
如上面文章一样,我们还是如以前一般添加两个按钮一个随机生成球的数据,另一个为用Ransac 算法进行球面检查(ps:Ransac也支持其他的检测如平面、圆柱、圆锥等)
QPushButton *randomBallBtn;
QPushButton *sampleBtn;
randomBallBtn = new QPushButton(PCLView);
randomBallBtn->setObjectName(QString::fromUtf8("Random Ball"));
randomBallBtn->setGeometry(QRect(50, 60, 120, 40));
sampleBtn = new QPushButton(PCLView);
sampleBtn->setObjectName(QString::fromUtf8("Sample"));
sampleBtn->setGeometry(QRect(200, 10, 120, 40));
randomBallBtn->setText(QCoreApplication::translate("PCLView","Random Ball", nullptr));
sampleBtn->setText(QCoreApplication::translate("PCLView","Sample", nullptr));
如下图所示:
由于球坐标方程为:
R
2
=
x
2
+
y
2
+
z
2
R^2 = {x^2 + y^2 + z^2}
R2=x2+y2+z2
因此点击按钮Random Ball 随机生成的球代码如下所示:
pointCloud->resize(10000);
pointCloud->is_dense = false;
auto r = 1024;
auto r2 = r*r;
for (auto i = 0;i< pointCloud->size();i++){
auto x = 1024 * random() / (RAND_MAX + 1.0f);
auto y = 1024 * random() / (RAND_MAX + 1.0f);
this->pointCloud->points[i].x = x;
this->pointCloud->points[i].y = y;
pointCloud->points[i].r = 240 ;
pointCloud->points[i].g = 255 ;
pointCloud->points[i].b = 240 ;
auto z = .0f;
if (i%5 == 0){
z = 1024 * random() / (RAND_MAX + 1.0f);
}else z = sqrt(r2-(x*x) - (y*y));
// else z = -sqrt(r2-(x*x) - (y*y));
this->pointCloud->points[i].z = z;
}
updatePointCloud();
点击相关按钮实现相关1/4球面代码的生成,如下图
2. Ransac 随机采用一致算法实现
按照官网相关内容:撰写一下内容
auto modelSphere = std::make_shared<pcl::SampleConsensusModelSphere<PointT>>(pointCloud);
std::vector<int> inliers;
// 随机采样一致对象
pcl::RandomSampleConsensus<PointT> ransac(modelSphere);
// 设置最小的阈值
ransac.setDistanceThreshold(.01f);
// 计算模型
ransac.computeModel();
// 获取内部点
ransac.getInliers(inliers);
for (auto i: inliers){
pointCloud->points[i].r = 0 ;
pointCloud->points[i].g = 255;
pointCloud->points[i].b = 0 ;
}
// 更新云图
updatePointCloud();
运行代码如下所示:
3.总结
本文通过随机生成球面点云,通过PCL提供的Ransic检测算法对球面进行检测。并且进行相关点云的标记以及更改颜色。下文将从学习PCL相关的有关过滤相关内容