点云库PCL学习：有条件约束的平面分割（SACMODEL_NORMAL_PARALLEL_PLANE）

最新推荐文章于 2024-09-27 11:59:18 发布

Mr.Qin_

最新推荐文章于 2024-09-27 11:59:18 发布

阅读量6.2k

点赞数 5

分类专栏： PCL

本文链接：https://blog.csdn.net/qinqinxiansheng/article/details/105497232

版权

PCL 专栏收录该内容

19 篇文章 32 订阅

订阅专栏

在使用pcl提取点云空间中的平面时，我们一般采用SACMODEL_PLANE模型，利用采样一致性算法（RANSAC）算法进行提取。当环境比较复杂时，我们可以采用SACMODEL_NORMAL_PARALLEL_PLANE模型约束平面的法向方向，更加准确的分割出平面点云。

封装后的函数

参数：（输入点云，法线法向，提取的平面点云，滤掉的点云，平面参数，点到模型的最大允许距离，迭代次数）

void normalPlaneSeg(pcl::PointCloud<pcl::PointXYZ>::Ptr Inputcloud,Eigen::Vector3f axis, pcl::PointCloud<pcl::PointXYZ>::Ptr filtercloud, pcl::PointCloud<pcl::PointXYZ>::Ptr filtercloud1,
pcl::ModelCoefficients::Ptr coefficients, double Threshold, int Iterationscount=1000)
{
       typedef pcl::PointXYZ PointT;
       //定义一些对象
       pcl::NormalEstimation<PointT,pcl::Normal> ne;  //法线估计对象
       pcl::SACSegmentationFromNormals<PointT,pcl::Normal> seg;    //分割对象
       pcl::PCDWriter writer;                 //PCD文件读取对象
       pcl::ExtractIndices<PointT>extract;   //点提取对象
       pcl::search::KdTree<PointT>::Ptr tree(new pcl::search::KdTree<PointT>());
       //定义一些变量
       pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>);
       pcl::PointCloud<PointT>::Ptr cloud_filtered(new pcl::PointCloud<PointT>);
       pcl::PointCloud<pcl::Normal>::Ptr cloud_normals2(new pcl::PointCloud<pcl::Normal>);
       pcl::PointIndices::Ptr inliers(new pcl::PointIndices);

       ne.setSearchMethod(tree);
       ne.setInputCloud(Inputcloud);
       ne.setKSearch(5);
       ne.compute(*cloud_normals);
       
       seg.setOptimizeCoefficients(true);           //设置对估计模型优化
       seg.setModelType(pcl::SACMODEL_NORMAL_PARALLEL_PLANE);//设置分割模型为带约束的平面
       seg.setMethodType(pcl::SAC_RANSAC);          //参数估计方法
       seg.setNormalDistanceWeight(0.1);            //设置表面法线权重系数
       seg.setMaxIterations(Iterationscount);       //设置迭代的最大次数，默认是10000
       seg.setDistanceThreshold(Threshold);         //设置内点到模型的距离允许最大值
       seg.setInputCloud(Inputcloud);
       seg.setInputNormals(cloud_normals);
       seg.setAxis(axis);
       seg.setEpsAngle(PI / 120);//设置角度误差
       seg.segment(*inliers, *coefficients);
       
       extract.setInputCloud(Inputcloud);
       extract.setIndices(inliers);
       extract.setNegative(false);//设置成true是保存滤波后剩余的点，false是保存在区域内的点
       extract.filter(*filtercloud);
       extract.setNegative(true);//设置成true是保存滤波后剩余的点，false是保存在区域内的点
       extract.filter(*filtercloud1);
}