平面点云的有序边缘点提取

****只适用于位于同一平面上的点云数据，进行边缘点检测

一、原理介绍

有序边缘点，就是提取的边缘点具有先后顺序，连接起来能够大体描述点云形状。如下图所示为有序边缘点，其连接成的多边形大体准确刻画了点云外部形状。而下面的一副图，其提取的边缘点为无序边缘点。无序边缘点一般后面需要 进行有序排列，其难度依据点云形状而定。

 

 

下面介绍一种使用alpha shapes算法提取边缘点，并进行排序的方法，其先使用alpha shapes算法提取边缘点，再进行排序。

代码下载链接：https://download.csdn.net/download/qq_32867925/87429769?spm=1001.2014.3001.5503

二、源码测试及实验结果

****再次声明：其只适用于位于同一平面上的点云数据，进行边缘点检测

运行环境：PCL1.8版本及以上，IDE：vs2013

 单独运行cpp文件即可。

（1）边缘点提取实验（部分核心代码展示）

//测试边缘提取结果
void main01()
{
	char *inputpath = "E:\\testdata.xyz";
	char *outpath = "E:\\result.xyz";
	//(1)读入点云数据
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	cloud = XYZ2PCDPtr(inputpath);
	//(2)边缘检测
	double r = 1.2;
	vector<pcl::PointXYZ> bound, non_bound;
	boundExtract(cloud, r, bound, non_bound);
	ofstream outfile(outpath, ios::out);
	for (int i = 0; i < bound.size(); i++)
	{
		outfile << fixed << setprecision(3) << bound[i].x << " " << bound[i].y << " " << bound[i].z << " " << fixed << setprecision(0) <<
			255 << " " << 0 << " " << 0 << endl;
	}

	for (int i = 0; i < non_bound.size(); i++)
	{
		outfile << fixed << setprecision(3) << non_bound[i].x << " " << non_bound[i].y << " " << non_bound[i].z << " " << fixed << setprecision(0) <<
			255 << " " << 255 << " " << 255 << endl;
	}
	outfile.close();
	system("pause");

}

 其结果如下，整体上来说还是不错的，提取的边缘点比较简洁

 （2）测试边缘点是否有序（部分核心代码展示）：

//测试边缘点的有序性
void main()
{
	 char *inputpath = "E:\\testdata.xyz";
	//char *inputpath = "E:\\testdata_01.xyz";
	
	//(1)读入点云数据
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	cloud = XYZ2PCDPtr(inputpath);
	//(2)边缘检测
	double r = 1.2;
	vector<pcl::PointXYZ> bound, non_bound;
	boundExtract(cloud, r, bound, non_bound);
	
	//(3)可视化
	pcl::visualization::PCLVisualizer viewer("outline view");
	viewer.setBackgroundColor(0, 0, 0);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> single_color(cloud, 0, 0, 255);
	viewer.addPointCloud<pcl::PointXYZ>(cloud, single_color, "sample cloud");
	viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "sample cloud");//设置点云大小
	
	//(4)增加多边形
	pcl::PlanarPolygon<pcl::PointXYZ> polygon;
	pcl::PointCloud<pcl::PointXYZ> contour;
	contour.width = bound.size();
	contour.height = 1;
	contour.is_dense = false;
	contour.resize(contour.height*contour.width);
	for (int i = 0; i < bound.size(); i++)
	{
		contour.points[i] = bound[i];
	}
	
	polygon.setContour(contour);
	viewer.addPolygon(polygon, 255, 0, 0, "ploygon", 0);
	//(5)增加点
	pcl::PointCloud<pcl::PointXYZ>::Ptr Boun_Cloud(new pcl::PointCloud<pcl::PointXYZ>);
	Boun_Cloud->width = bound.size();
	Boun_Cloud->height = 1;
	Boun_Cloud->is_dense = false;
	Boun_Cloud->resize(Boun_Cloud->width*Boun_Cloud->height);
	for (int i = 0; i < Boun_Cloud->width; i++)
	{
		Boun_Cloud->points[i] = bound[i];
	}

	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> singleColor(Boun_Cloud, 0, 255, 0);//0-255  设置成绿色
	viewer.addPointCloud<pcl::PointXYZ>(Boun_Cloud, singleColor, "sample");//显示点云，其中fildColor为颜色显示
	viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "sample");//设置点云大小

	while (!viewer.wasStopped())
	{
		viewer.spinOnce(1);
	}
}

其对于凸包、凹包形状的点云数据均可以提取出，表现出较强的稳健性