python-pcl 使用积分图进行点云法线估计

在获取了矩形特征后，要计算矩形特征的值。Viola等人提出了利用积分图求特征值的方法。积分图的概念可用图3表示：

坐标A(x,y)的积分图是其左上角的所有像素之和（图中的阴影部分）。定义为：

其中ii(x,y)表示积分图，i(x,y)表示原始图像，对于彩色图像，是此点的颜色值；对于灰度图像，是其灰度值，范围为0~255。

在上图中，A(x,y)表示点(x,y)的积分图；s(x,y)表示点(x,y)的y方向的所有原始图像之和。积分图也可以用公式（2）和公式（3）得出：

法线方向基本一致朝向视点，利用此方法进行法线估计只适用于有序点云，对于无序点云就只能采用其他方法了。

具体代码如下：

import pcl
import pcl.pcl_visualization


cloud = pcl.load('1.pcd')

print ('load 1.pcd')


print ('make_IntegralImageNormalEstimation: ')

ne = pcl.IntegralImageNormalEstimation(cloud)
print ('set_NormalEstimation_Method_AVERAGE_3D_GRADIENT: ')
ne.set_NormalEstimation_Method_AVERAGE_3D_GRADIENT ()
print ('set_MaxDepthChange_Factor: ')
ne.set_MaxDepthChange_Factor(0.02)
print ('set_NormalSmoothingSize: ')
ne.set_NormalSmoothingSize(10.0)
print ('set OK')
print ('compute - start')
normals = ne.compute()
print ('compute2 - end')
print (str(normals.size))


viewer = pcl.pcl_visualization.PCLVisualizering()
viewer.SetBackgroundColor (0.0, 0.0, 0.5)

viewer.AddPointCloudNormals(cloud, normals)

flag = True
while (flag):
    flag != viewer.WasStopped ()
    viewer.SpinOnce ()
end