在PCL(Point Cloud Library,点云库)下导入PLY和OBJ格式文件

简介

PCL全称Point Cloud Library，官方网站为(https://pointclouds.org)，是一个专门用于点云处理的C++开源库。其功能包括了点云数据的基本操作，如保存、读取、显示；包括了点云的进阶操作，如空间刚体变换（旋转、平移）、仿射变换（旋转、平移、缩放）等；包括了点云的更进阶操作，如ICP(Iterative Closest Point)点云配准、3D特征描述子的计算、3D物体识别等。

本工作的背景是人体躯干姿态识别，采用ICP(Iterative Closest Point)方法，根据人体躯干模板，对深度相机所拍摄的人体躯干进行位置和姿态估计。本工作对PCL的使用包括了人体躯干模板的导入、场景点云导入、机器人行走路径导入、ICP方法、点云显示。

PCL的模型导入方法

ply格式导入人体躯干模板

人体躯干模板来自于免费的人体全身模型，在ICP开始之前，首先采用Blender进行处理和导出，导出的文件格式为ply格式。对应ply格式的人体躯干模板，工作中调用PCL的ply文件导入函数，函数名为pcl::io::loadPLYFile，具体代码如下，

	typedef pcl::PointXYZ PointT;
  typedef pcl::PointCloud<PointT> PointCloudT;

  PointCloudT::Ptr cloud_icp (new PointCloudT);	// ICP output point cloud

  //
	// load and get the model
	//
	if (pcl::io::loadPLYFile (argv[1], *cloud_icp) < 0)
	{
   
		PCL_ERROR ("Error loading cloud %s.\n", argv[1]);
		return (-1);
	}
	cout<<"Model Point cloud size : "<<cloud_icp->points.size()<<endl;

ply格式导入机器人行走路径

机器人行走路径是本工作的关注对象，本工作首先在人体躯干模板中制作这个路径，再根据模板到场景人体的空间刚体变换，计算得到场景人体的行走路径。在上文“行走路径操作”的第一步中，人体躯干模板也在Blender中制作，以ply格式导出，供本工作计算使用，而ply文件的导入方式与人体躯干模板的导入相同，也通过调用PCL的ply文件导入函数完成，具体函数如下，

obj格式导入场景点云

场景点云的原始数据为ply格式，但在本工作中，需要进行一步点云修剪、空间变换的操作，考虑场景点云只由点组成，没有面，被Blender按照ply格式导出后，ply文件中不会存在任何点的数据，因此不能采用ply格式。本工作采用obj格式导出场景点云，对应的，需要调用PCL的obj文件导入函数，函数名为pcl::io::loadPolygonFileOBJ，具体代码如下，

  typedef pcl::PointXYZ PointT;
  typedef pcl::PointCloud<PointT> PointCloudT;

  PointCloudT::Ptr cloud_in (new PointCloudT);	// Original point cloud

  //
	// load and get the scene, which is the target 
	//
	// Load obj file
	pcl::PolygonMesh mesh;
	if (pcl::io::loadPolygonFileOBJ (argv[2], mesh) < 0)
	{
   
		PCL_ERROR ("Error loading cloud %s.\n", argv[2]);
		return (-1);
	}
  // Transform the mesh to point cloud 
	pcl::fromPCLPointCloud2(mesh.cloud, *cloud_in);
	cout<<"Scene Point cloud size : "<<cloud_in->points.size()<<endl;

obj格式文件的导入方法包含两个步骤：首先以pcl::PolygonMesh的数据类型保存obj文件内的点云数据，然后将pcl::PolygonMesh的对象转换为pcl::PointCloud<pcl::PointXYZ>::Ptr数据格式。

源代码

#include <iostream>
#include <string>
#include <random>
#include <ctime>

#include <pcl/io/obj_io.h>
#include <pcl/io/ply_io.h>
#include <pcl/io/vtk_lib_io.h>
#include <pcl/point_types.h>
#include <pcl/registration/icp.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/console/time.h>	 // TicToc
#include <pcl/filters/voxel_grid.h> // sparse point cloud

using namespace std;
using namespace Eigen;

typedef pcl::PointXYZ PointT;
typedef pcl::PointCloud<PointT> PointCloudT;

bool next_iteration = false;

void
print4x4Matrix (const Eigen::Matrix4d & matrix)
{
   
	printf ("Rotation matrix :\n");
	printf ("		| %6.3f %6.3f %6.3f | \n", matrix (0, 0), matrix (0, 1), matrix (0, 2));
	printf ("R = | %6.3f %6.3f %6.3f | \n", matrix (1, 0), matrix (1, 1), matrix (1, 2));
	printf ("		| %6.3f %6.3f %6.3f | \n", matrix (2, 0), matrix (2, 1), matrix (2, 2));
	printf ("Translation vector :\n");
	printf ("t = < %6.3f, %6.3f, %6.3f >\n\n", matrix (0, 3), matrix (1, 3), matrix (2, 3));
}

void
keyboardEventOccurred (const pcl::visualization::KeyboardEvent& event,
											 void* nothing