简单形状点云轮廓点排序（旋转角）

1、背景介绍

      很多边缘提取算法提取的边缘点为无序点云，如下图所示，无序点云不利于后续各种应用，比如根据边缘计算点云面积、点云轮廓线规则化等。若对点云进行排序，则可以进行上述应用。但实际上，点云形状错综复杂，对点云进行排序难度会比较大。此次博客介绍一种针对简单形状点云的边缘点排序原理，对于复杂形状点云，仅供参考。

边缘点（红色）	无序边缘点连接	有序边缘点连接
图 1 边缘点无序与有序示例

2、原理介绍

      对于形状简单的点云，可以使用与某一方向的夹角，按照夹角大小进行排序，实现点的排序，如下图所示。

图 2 轮廓点与起始方向夹角示意图

对点进行排序的步骤如下：

（1）中心计算：统计所有点的平均坐标作为中心

（2）计算旋转角：以y轴为起始方向，计算每个轮廓点与y轴的夹角，得到夹角集合

（3）角度排序：对角度从小到大进行排序，按照排序后的角度对轮廓点进行排序，即实现角度排序

****在对角度排序时，使用for循环找到角度停止即可，可以提高排序效率。

for (int i = 0; i < sortedangles.size(); i++)//依据角度寻找点
	{
		for (int j = 0; j < allangles.size(); j++)
		{
			if (sortedangles[i] == allangles[j])
			{
				result.push_back(unorderpt[j]);
				break;//终止
			}
		}
	}

3、测试

       源代码下载链接：轮廓点排序程序（c++ ）

 本程序在PCL配置好的环境下进行运行，只需要将配置好的环境下，将利用旋转角对点排序.cpp添加到源文件目录下运行即可。

3.1 可视化未排序前结果

测试主函数代码如下：

//未排序前的点，进行连接
void main()
{
	//（1）读入边缘点
	vector<pcl::PointXYZ> boundpts;
	string filepath = "D:\\testdata\\testdata_01_boud.txt";

	std::ifstream pointsFile(filepath, std::ios::in);
	pcl::PointXYZ point;
	char line[128];
	double x, y, z;
	int r, g, b;
	while (pointsFile.getline(line, sizeof(line)))
	{
		std::stringstream word(line);
		word >> x;
		word >> y;
		word >> z;
		word >> r;
		word >> g;
		word >> b;
		point.x = x;
		point.y = y;
		point.z = z;
		if (r == 255 && g == 0 && b == 0)//边缘点（为红色点）
		{
			pcl::PointXYZ onept;
			onept.x = x;
			onept.y = y;
			onept.z = z;
			boundpts.push_back(onept);
		}
	}

	pcl::visualization::PCLVisualizer viewer("point connect");
	viewer.setBackgroundColor(0, 0, 0);

	//(2)可视化
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	cloud->width = boundpts.size();
	cloud->height = 1;
	cloud->is_dense = false;
	cloud->resize(cloud->width*cloud->height);
	for (int i = 0; i < cloud->width; i++)
	{
		cloud->points[i].x = boundpts[i].x;
		cloud->points[i].y = boundpts[i].y;
		cloud->points[i].z = boundpts[i].z;
	}

	//(3)增加点
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> single_color(cloud, 255, 0, 0);
	viewer.addPointCloud<pcl::PointXYZ>(cloud, single_color, "sample cloud");
	viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "sample cloud");


	//(4)增加多边形
	pcl::PlanarPolygon<pcl::PointXYZ> polygon;
	pcl::PointCloud<pcl::PointXYZ> contour;
	contour.width = boundpts.size();
	contour.height = 1;
	contour.is_dense = false;
	contour.resize(contour.height*contour.width);
	for (int i = 0; i < boundpts.size(); i++)
	{
		contour.points[i] = boundpts[i];
	}

	polygon.setContour(contour);
	viewer.addPolygon(polygon, 0, 255, 0, "ploygon", 0);



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

无序点连接可视化结果如下，可以发现点之间无序，其顺序与原始点云文件中点的顺序有关，影响厚后续处理。

   

     

3.2 可视化排序后点

测试主函数代码如下：

//测试排序后点，将其连接起来
void main()
{
	//（1）读入边缘点
	vector<pcl::PointXYZ> boundpts;
	string filepath = "D:\\testdata\\testdata_01_boud.txt";

	std::ifstream pointsFile(filepath, std::ios::in);
	pcl::PointXYZ point;
	char line[128];
	double x, y, z;
	int r, g, b;
	while (pointsFile.getline(line, sizeof(line)))
	{
		std::stringstream word(line);
		word >> x;
		word >> y;
		word >> z;
		word >> r;
		word >> g;
		word >> b;
		point.x = x;
		point.y = y;
		point.z = z;
		if (r == 255 && g == 0 && b == 0)//边缘点（为红色点）
		{
			pcl::PointXYZ onept;
			onept.x = x;
			onept.y = y;
			onept.z = z;
			boundpts.push_back(onept);
		}
	}
	//(2)对边缘点排序
	vector<pcl::PointXYZ> orderpts = Orderpts(boundpts);
	//(3)对点进行连接，测试点是否排序了
	pcl::visualization::PCLVisualizer viewer("point connect");
	viewer.setBackgroundColor(0, 0, 0);
	
	//(3)可视化
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	cloud->width = orderpts.size();
	cloud->height = 1;
	cloud->is_dense = false;
	cloud->resize(cloud->width*cloud->height);
	for (int i = 0; i < cloud->width; i++)
	{
		cloud->points[i].x = orderpts[i].x;
		cloud->points[i].y = orderpts[i].y;
		cloud->points[i].z = orderpts[i].z;
	}

	//(4)增加点
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> single_color(cloud, 255, 0, 0);
	viewer.addPointCloud<pcl::PointXYZ>(cloud, single_color, "sample cloud");
	viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "sample cloud");


	//(5)增加多边形
	pcl::PlanarPolygon<pcl::PointXYZ> polygon;
	pcl::PointCloud<pcl::PointXYZ> contour;
	contour.width = orderpts.size();
	contour.height = 1;
	contour.is_dense = false;
	contour.resize(contour.height*contour.width);
	for (int i = 0; i < orderpts.size(); i++)
	{
		contour.points[i] = orderpts[i];
	}

	polygon.setContour(contour);
	viewer.addPolygon(polygon, 0, 255, 0, "ploygon", 0);

	

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

可视化结果如下，可以发现点被有序进行排列，是有序形式

            

4、小结

   基于旋转角度进行点云排序的方法，对于图形简单的点云是有效的，比如圆、长方形、三角形等，对于复杂的，如有孔洞形式、有凹凸形式，则该方法不适用。