基于PCL的三维重建——点云配准（二）SAC-IA+ICP算法的实践

最新推荐文章于 2024-09-14 18:03:50 发布

SunSuJJ

最新推荐文章于 2024-09-14 18:03:50 发布

阅读量1.2w

点赞数 9

分类专栏：三维重建文章标签：三维重建

本文链接：https://blog.csdn.net/qq_33933704/article/details/78653289

版权

本文介绍了使用PCL库进行三维重建的过程，通过SAC-IA初步配准和ICP算法进一步精细化配准，实验数据源于深度相机。内容包括NAN点剔除、滤波处理、表面法线计算、FPFH特征提取以及两种配准算法的应用。

摘要由CSDN通过智能技术生成

此次尝试了用SAC-IA的粗配准加上ICP算法的精细配准，实验的数据是我们自已用深度相机采集的。

过程中进行了去除NAN点，下采用滤波，计算表面法线，计算FPFH，SAC-IA配准，ICP配准。

#include <pcl/registration/ia_ransac.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/features/normal_3d.h>
#include <pcl/features/fpfh.h>
#include <pcl/search/kdtree.h>
#include <pcl/io/pcd_io.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/filter.h>
#include <pcl/registration/icp.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <time.h>

using pcl::NormalEstimation;
using pcl::search::KdTree;
typedef pcl::PointXYZ PointT;
typedef pcl::PointCloud<PointT> PointCloud;

//点云可视化
void visualize_pcd(PointCloud::Ptr pcd_src,
	PointCloud::Ptr pcd_tgt,
	PointCloud::Ptr pcd_final)
{
	//int vp_1, vp_2;
	// Create a PCLVisualizer object
	pcl::visualization::PCLVisualizer viewer("registration Viewer");
	//viewer.createViewPort (0.0, 0, 0.5, 1.0, vp_1);
	// viewer.createViewPort (0.5, 0, 1.0, 1.0, vp_2);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> src_h(pcd_src, 0, 255, 0);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> tgt_h(pcd_tgt, 255, 0, 0);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> final_h(pcd_final, 0, 0, 255);
	viewer.addPointCloud(pcd_src, src_h, "source cloud");
	viewer.addPointCloud(pcd_tgt, tgt_h, "tgt cloud");
	viewer.addPointCloud(pcd_final, final_h, "final cloud");
	//viewer.addCoordinateSystem(1.0);
	while (!viewer.wasStopped())
	{
		viewer.spinOnce(100);
		boost::this_thread::sleep(boost::posix_time::microseconds(100000));
	}
}

//由旋转平移矩阵计