PCL——modelnet40_normal数据集.txt文件转.pcd并可视化

最新推荐文章于 2023-09-17 17:37:22 发布
最新推荐文章于 2023-09-17 17:37:22 发布
阅读量2.5k 收藏 5
点赞数 2
分类专栏： PCL学习 文章标签： 深度学习 3d 计算机视觉
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/120979913
版权
本文介绍了如何将modelnet40_normal数据集中txt格式的点云数据转换成PCL的.pcd文件，并进行可视化。转换过程中主要涉及读取txt文件中的点云属性信息，将其填充到PCL的数据结构中。
摘要由CSDN通过智能技术生成

目录

一、概述

在这里插入图片描述

  modelnet40_normal数据集中的txt格式点云主要存储的字段为：x、y、z、normal_x，normal_y，normal_z，对应于PCL数据结构中的PointNormal。因此，只需将txt中的属性信息读取出来放入PointNormal即可。本文给出简单易用的实现代码。

二、代码实现

#include <iostream>
#include <pcl/io/pcd_io.h>
了解本专栏 订阅专栏 解锁全文
点云侠
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
订阅专栏
modelnet40点云样例数据
04-07
来自于modelnet的点云样例数据，类别为airplane，格式为txt，详细介绍见：https://blog.csdn.net/suiyingy/article/details/124018553。
modelnet40 官方数据集
03-24
modelnet标准数据集以及数据集的读取方法，其中modelnet40开头的压缩文件是数据，data中有对应的train和test的读取以及random drop and translate，能有效提高模型的准确率。直接可以使用，目前的sota的源码中大多都使用这一个数据集，需要pytorch环境
modelNet40数据集
10-28
modelnet40数据集，文件里面只包含点（标签可以自己做），以ply文件保存。自己从公开数据集off文件中转过来的，感兴趣可以下载。
modelnet40_normal_resampled.zip
07-17
本资源为论文pointnet++点云分类部分的的实验数据集（modelnet40_normal_resampled.zip）。若有需要做论文复现的可自行取用。 该分享仅用于科学研究，如有侵权，联系删除！
[modelnet40数据集] modelnet40_normal_resampled_2.zip(部分)
07-17
由于 csdn 对文件大小的限制,故分两个文件上传. modelnet40_normal_resampled_2.zip包括以下类别和文件: laptop、mantel、monitor、night_stand、person、piano、plant、radio、range_hood、sink、sofa、stairs、stool、table、tent、toilet、tv_stand、vase、wardrobe、xbox、filelist.txt、modelnet10_shape_names.txt、modelnet10_test.txt、modelnet10_train.txt、modelnet40_shape_names.txt、modelnet40_test.txt、modelnet40_train.txt
modelnet.txt
06-04
modelnet-40数据集 百度云分享
shapenet数据集_三维形状数据的深度特征表示
weixin_39854070的博客
12-06 2137
摘要三维形状特征表示是三维目标识别、三维人脸识别以及三维模型检索等研究的基础，在机器人、AR/VR、人机交互、遥感测绘等领域有着广泛的应用前景。近三年来，针对三维形状数据深度特征表示的研究得到了越来越多的关注。本文对该方向所面临的挑战进行了分析，并对现有算法进行了简要综述。引言随着三维成像技术的快速发展，低成本小型化三维传感器近年来大量涌现并逐步配备到移动设备中，典型代表如Kinect，Reals...
PCL深度可视化图像Point cloud visualization_2plus.rar
08-25
开发者通常会使用C++编写代码来加载pcd文件，然后应用各种滤波、分割或特征提取算法对数据进行预处理，最后利用PCL的可视化工具（如pcl::visualization模块）将处理后的点云数据展示在2D或3D窗口中。在这个资源包中...
点云库PCL1.12.1代码demo
08-04
2. **点云数据输入与输出**：PCL提供了多种数据输入/输出接口，如`pcl::io::loadPCDFile`用于加载PCD文件（点云数据的标准格式），以及`pcl::io::savePCDFile`用于保存。理解这些函数的使用方法对于处理实际的点云...
PCD文档，一张桌子，可用于PCL滤波入门资源table.zip
09-30
PCL是一个开源的C++库，专注于处理3D点云数据，包括获取、过滤、估计、配对、搜索、建模和可视化等任务。在3D计算机视觉、机器人定位导航和自动驾驶等领域有着广泛应用。 描述中提到的“一张桌子”是指一个3D扫描的...
[modelnet40数据集] modelnet40_normal_resampled_1.zip(部分)
07-17
由于 csdn 对文件大小的限制,故分两个文件上传,该资源只是第一个. 完整数据集压缩包1.7G,解压后7.0G,分为modelnet40_normal_resampled_1.zip(908.3M)和modelnet40_normal_resampled_2.zip(796.8M). modelnet40_normal_resampled_1.zip包括以下类别和文件: airplane bathtub bed bench bookshelf bottle bowl car chair cone cup curtain desk door dresser flower_pot glass_box guitar keyboard lamp
readchair_点云_modelnet40_modelnet40可视化_读取点云_
10-04
读取ModelNet40点云，将点云可视化
modelnet40_ply_hdf5_2048.zip
07-28
modelnet40_ply_hdf5_2048数据集，适用于pointnet，请下载完后，把download_free删除即可。
modelnet40_normal_resampled_02.rar
09-25
这是pointnet++的需要的训练数据集，由于上传大小限制，分割成01和02两个zip文件，需同时下载。
modelnet40_normal_resampled02.zip
08-31
modelnet40_normal_resampled 比较大，所以分成2部分上传，这是第2部分。 modelnet40数据集用于3D点云网络，这里我用的是pointnet。
Coarse_NDT.rar
03-15
配准结果通常会以可视化的方式展示，包括原始点云、配准后点云的叠加效果，以及配准误差的统计信息。这些信息对于评估配准质量至关重要。 通过深入研究这个项目，不仅可以了解NDT算法的细节，还能掌握如何在实际...
pca_normal_normal_点云_pca_点云主成分分析_法向量计算_
09-29
在3D点云数据处理中，PCA尤其重要，因为它可以帮助我们理解数据的主要结构，并可以减少数据的复杂性，同时保留大部分信息。在这个场景中，PCA被用来找到点云数据的主要方向，也就是数据的最大变异方向。 在点云数据...
PCL :实现modelnet40_normal数据集.txt文件转.pcd并可视化(附完整源码)
最新发布
希望我的博客，能帮上你解决学习中工作中所遇到的问题
09-17 245
PCL :实现modelnet40_normal数据集.txt文件转.pcd并可视化(附完整源码)
ModelNet40.zip（文件格式.off）
Shertine的博客
04-11 660
ModelNet40_off.zip 链接：https://pan.baidu.com/s/1It2f4ulS0ydvIrhHPauhjQ 提取码：he0c
使用pcl读取”D:\dm\py_pcd\volex_grid\copy_of_fragment_vx.txt"点云文件，使用区域生长算法提取点云中的孔洞，并可视化结果
05-18
好的，首先需要安装 pcl 库。可以使用以下命令进行安装： ``` sudo apt-get update sudo apt-get install libpcl-dev ``` 接着，可以使用以下代码读取点云文件并进行区域生长算法： ```cpp #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/visualization/cloud_viewer.h> #include <pcl/filters/extract_indices.h> #include <pcl/features/normal_3d.h> #include <pcl/segmentation/region_growing.h> int main(int argc, char** argv) { // 读取点云文件 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); if (pcl::io::loadPCDFile<pcl::PointXYZ>("D:/dm/py_pcd/volex_grid/copy_of_fragment_vx.txt", *cloud) == -1) { PCL_ERROR("Could not read file\n"); return -1; } std::cout << "Loaded " << cloud->width * cloud->height << " data points from file" << std::endl; // 计算点云法线 pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne; ne.setInputCloud(cloud); pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>); ne.setSearchMethod(tree); pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>); ne.setRadiusSearch(0.03); ne.compute(*cloud_normals); // 区域生长算法 pcl::RegionGrowing<pcl::PointXYZ, pcl::Normal> rg; rg.setMinClusterSize(100); rg.setMaxClusterSize(1000000); rg.setSearchMethod(tree); rg.setNumberOfNeighbours(30); rg.setInputCloud(cloud); rg.setInputNormals(cloud_normals); rg.setSmoothnessThreshold(3.0 / 180.0 * M_PI); rg.setCurvatureThreshold(1.0); std::vector<pcl::PointIndices> clusters; rg.extract(clusters); // 可视化结果 pcl::PointCloud<pcl::PointXYZRGB>::Ptr colored_cloud = rg.getColoredCloud(); pcl::visualization::CloudViewer viewer("Region Growing"); viewer.showCloud(colored_cloud); while (!viewer.wasStopped()) { } return 0; } ``` 需要注意的是，这里读取的文件类型为 PCD，如果文件格式不同，需要修改读取文件的函数。另外，区域生长算法的参数可以根据具体情况进行调整，这里只是提供了一个基本的示例。
评论 2
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