PCL 计算点云包围盒【2024最新版】

已于 2024-09-01 11:04:04 修改
阅读量10w+ 收藏 36
点赞数 4
分类专栏： PCL学习 文章标签： 算法 计算机视觉 矩阵 c++
于 2020-07-06 20:21:41 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36686437/article/details/107167018
版权
本文介绍了如何使用PCL库计算点云的AABB（轴对齐包围盒）和OBB（有向包围盒）。AABB通过直接计算和基于惯性矩法进行演示，OBB则利用pcl::MomentOfInertiaEstimation类来获取。代码实现和结果展示贯穿全文。
摘要由CSDN通过智能技术生成

目录

在这里插入图片描述

本文由CSDN点云侠原创，原文链接，首发于：2020年7月6日。如果你不是在点云侠的博客中看到该文章，那么此处便是不要脸的抄袭狗。

博客长期更新，最近一次更新时间为：2024年8月27日。代码在PCL1.14.1中测试通过。

一、AABB包围盒

   AABB包围盒又称了 轴对齐包围盒，是点云包围盒里最简单的一种，其计算方法也极其简单，看代码即可理解！！！目前PCL中有直接计算和基于惯性偏心矩计算两种方法。

二、代码实现

了解本专栏 订阅专栏 解锁全文
点云侠
关注
专栏目录
订阅专栏
PCL 点云最小外接球形包围盒
weixin_43896283的博客
07-09 106
计算点云的最小外接球
pcl最小包围盒.txt
08-24
如何拟合点云目标的最小外包围box&PCL最小包围盒完整代码
PCL——基于惯性矩与偏心率的描述子进行包围盒提取
emm@amiao的博客
07-01 2518
基于惯性矩与偏心率的描述子提取包围盒 文章目录基于惯性矩与偏心率的描述子提取包围盒1、概述2、OBB的实现原理3、代码4、效果展示 1、概述 pcl::MomentOfInertiaEstimation 类的作用： （1）获取基于惯性矩（moment of inertia）与偏心率（eccentricity）的描述子； （2）提取有向包围盒OBB（Oriented Bounding Box）或者和坐标轴对齐包围盒AABB（Axis-Aligned Bounding Box）;提取包围盒的作用常用来在游戏场景
PCL-基于PCA计算点云的最小包围盒、顶点坐标和主轴方向
wfengzi5的博客
07-21 1230
点云包围盒、顶点坐标和点云主轴方向在分析点云的几何特征和形状，都起着关键作用。
CloudCompare——计算点云的最小包围盒
点云侠的博客
12-03 3025
CloudCompare——计算点云的最小包围盒
【PCL】PCL中的包围盒计算原理及代码实现
shanhedian2013的博客
10-09 1140
在PCL（Point Cloud Library）中，包围盒是一种用于描述点云数据中物体边界的几何形状。它通常是一个立方体或圆柱体，可以用来包围点云数据中的物体，并且可以方便地计算点云数据中的物体位置、大小和形状等信息。PCL中提供了多种不同类型的包围盒，包括立方体、球体、圆柱体、多边形等等。这些包围盒可以通过设置它们的参数来调整其大小和形状，以适应不同的点云数据和应用场景。
用PCL绘制AABB和OBB包围盒
u012010729的博客
01-30 7180
本文主要介绍基于PCL的AABB包围盒和OBB包围盒代码，并对两个包围盒均进行了二次封装，函数输入为点云指针。 首先，包含必要的头文件： #include <iostream> #include <string> #include <vector> #include <pcl/point_cloud.h> #include <pcl/point...
基于PCL的点云平均间距计算
07-22
采用kdtree树的方法，计算点云的平均间距。计算速度快
PCL最小包围盒完整代码
09-21
在这个场景下，PCL（Point Cloud Library）提供了计算2D和3D点云的最小包围盒以及最小外接矩形的功能。PCL是一个开源的C++点云处理库，广泛应用于机器人、无人机、AR/VR、3D扫描等领域。 "最小包围盒"通常指的是一...
pcl计算点云的法向量和曲率，并保存在txt文件
05-04
该代码在vs2017中配置的PCL1.9.0环境中运行成功，可以求得点云的法向量和曲率，并存储在txt文件中。
利用PCL，OpenCV求取点云的体积
05-06
总的来说，利用PCL和OpenCV求取点云体积的过程涵盖了点云的获取、预处理、分割、尺寸估计和体积计算等多个环节，涉及到了丰富的计算机视觉和点云处理技术。通过深入理解并实践这些技术，我们可以实现对复杂三维环境...
pcl 3d点云数据数据_pcd_10_16.rar
10-16
标题"pcl 3d点云数据数据_pcd_10_16.rar"表明这是一个与PCL库相关的3D点云数据集，文件格式为PCD，其中可能包含10到16维的数据特征。PCD文件是PCL库中常用的存储点云数据的格式，支持存储点的位置（XYZ坐标）、颜色...
PCL求点云外接立方体：AABB（轴对齐）和OBB（带方向）MomentOfInertiaEstimation
手口一斤
01-07 5366
本文主要展示一个样例，在PCL中求 AABB Axis-aligned bounding box轴对齐包围盒 和OBB Oriented bounding box 包围盒，从字面意思就能够理解意思；AABB有点像二维图像中的外接矩形，边与坐标轴是平行的，OBB像二维图像中的最小外接矩，能够比较好的包容整个点集。 在实际使用过程中可以根据自己需求来进行计算，例如：可以用在测量点云的宽度、深度等等，来设置一些算法的参数； 主要代码如下，具体说明看注释，足以。 #include <vector&gt
点云包围盒AABB/OBB的生成
qq_42570058的博客
10-31 8041
本篇文章主要讲pcl中如何生成点云AABB包围盒， 参考的文章pcl官网教程：http://pointclouds.org/documentation/tutorials/moment_of_inertia.php#moment-of-inertia 教程中提供了两种包围盒的生成方法： 一种是直接利用addcube进行生成立方体； 另外一种是获取每个角点的坐标，利用addLine进行划线。...
PCL包围盒
如有侵权，请联系作者删除
04-18 8118
实现效果：1.包围盒简介包围盒也叫外接最小矩形,是一种求解离散点集最优包围空间的算法，基本思想是用体积稍大且特性简单的几何体（称为包围盒）来近似地代替复杂的几何对象。常见的包围盒算法有AABB包围盒、包围球、方向包围盒OBB以及固定方向凸包FDH。碰撞检测问题在虚拟现实、计算机辅助设计与制造、游戏及机器人等领域有着广泛的应用，甚至成为关键技术。而包围盒算法是进行碰撞干涉初步检测的重要方法之一。
基于Open3D的点云处理9-包围盒AABB、OBB
zfjBIT的专栏
06-04 1615
基于Open3D的点云处理-包围盒AABB、OBB
atcoder abc372 启发式合并， dp
最新发布
2201_75845839的博客
09-22 437
现在考虑如何存数据。可以用并查集合并两个集合，并且在合并的时候一定要将小的集合合并到大的集合中去，因为小集合合并到大集合中，最后的集合一定大于小集合元素数量的两倍，因此合并的时间复杂度不会超过logn。思路：判断当前变化的位置对结果是否会产生影响，在询问前先计算有多少ABC, 每次变换位置x前后扫描一下[x - 2, x + 2]范围内是否有ABC，变换前有让cnt --， 变换后有让cnt ++思路：三进制转换，可以参考二进制，先把当前可以加入的最大的3的幂次加入,这样一定可以凑出答案。
学习记录：js算法（四十）：搜索旋转排序数组
weixin_48677331的博客
09-20 677
不知不觉已经坚持了40天了，加油。
代码随想录算法训练营Day7
lynyzy的博客
09-18 644
双指针
PCL计算点云包围盒并显示
06-06
要计算点云的包围盒并显示，您可以使用PCL库中的PCLVisualizer类和PCL的PointXYZ类。以下是一个示例代码，可以帮助您完成此操作： ```cpp #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/visualization/pcl_visualizer.h> #include <pcl/common/common.h> int main() { // 读取点云数据 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); pcl::io::loadPCDFile<pcl::PointXYZ>("your_point_cloud.pcd", *cloud); // 计算包围盒大小 Eigen::Vector4f centroid; pcl::compute3DCentroid(*cloud, centroid); pcl::PointXYZ minPt, maxPt; pcl::getMinMax3D(*cloud, minPt, maxPt); Eigen::Vector3f box_min(minPt.x, minPt.y, minPt.z); Eigen::Vector3f box_max(maxPt.x, maxPt.y, maxPt.z); // 创建可视化对象 pcl::visualization::PCLVisualizer viewer("PCL Viewer"); // 添加点云和包围盒 viewer.addPointCloud<pcl::PointXYZ>(cloud, "cloud"); viewer.addCube(box_min[0], box_max[0], box_min[1], box_max[1], box_min[2], box_max[2], 1.0, 1.0, 1.0, "cube"); // 显示可视化结果 viewer.spin(); return 0; } ``` 在这个示例代码中，我们首先读取点云数据。然后，我们使用pcl::compute3DCentroid和pcl::getMinMax3D函数计算点云的中心点和包围盒大小。接下来，我们创建了一个PCLVisualizer对象，并使用viewer.addPointCloud和viewer.addCube函数将点云和包围盒添加到可视化对象中。最后，我们使用viewer.spin函数显示可视化结果。
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

点云侠

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值