PCL学习笔记（9）——PCL计算点云法向量并可视化

1、点云法向量（法线）估计
因此，用于估计表面法线的解决方案简化为对从查询点的最近邻居创建的协方差矩阵的特征向量和特征值（或 PCA – 主成分分析）进行分析。更具体地说，对于每个点Pi，我们按如下方式组装协方差矩阵：

凡K为考虑点邻居的数目在附近Pi，p表示3D质心最近的邻居，λj是 j协方差矩阵的特征值第，并且\vec{{\mathsf v}_j} 在j个特征向量。

#include <iostream>
#include <pcl\io\pcd_io.h>
#include <pcl\features\normal_3d.h>
#include <pcl\visualization\cloud_viewer.h>
#include <vtkAutoInit.h>
VTK_MODULE_INIT(vtkRenderingOpenGL);

using namespace std;

typedef pcl::PointXYZ PointT;

int main()
{
	//--------------------------- 加载点云 ---------------------------
	pcl::PointCloud<PointT>::Ptr cloud(new pcl::PointCloud<PointT>);
	if (pcl::io::loadPCDFile("table.pcd", *cloud) < 0)
	{
		PCL_ERROR("->点云文件不存在！\a\n");
		system("pause");
		return -1;
	}
	//===============================================================
	
	
	//--------------------------- 法线估计 ---------------------------
	pcl::NormalEstimation<PointT, pcl::Normal> ne;		//创建法线估计对象
	ne.setInputCloud(cloud);							//设置法线估计输入点云
	pcl::search::KdTree<PointT>::Ptr tree(new pcl::search::KdTree<PointT>());	//创建一个空的kdtree
	ne.setSearchMethod(tree);													//将空kdtree传递给法线估计对象 ne
	pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);//法向量计算结果
	ne.setKSearch(10);			//设置K近邻的个数
	//ne.setRadiusSearch(0.05);	//设置半径邻域的大小，两种方式二选一
	ne.setViewPoint(0, 0, 1);	//设置视点向量，默认0向量(0,0,0)，没有方向
	ne.compute(*normals);		//执行法线估计，并将结果保存到normals中
	//===============================================================


	//-------------------------- 法线可视化 --------------------------
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer")); //创建视窗对象，定义标题栏名称“3D Viewer”
	viewer->addPointCloud<PointT>(cloud, "original_cloud");	//将点云添加到视窗对象中，并定义一个唯一的ID“original_cloud”
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1, 0, 0.5, "original_cloud"); //点云附色，三个字段，每个字段范围0-1
	viewer->addPointCloudNormals<PointT, pcl::Normal>(cloud, normals, 10, 0.05, "normals");	//每十个点显示一个法线，长度为0.05

	while (!viewer->wasStopped())
	{
		viewer->spinOnce(100);
		boost::this_thread::sleep(boost::posix_time::microseconds(100000));
	}
	//===============================================================
	
	return 0;
}