Qt+PCL手把手教材（第10讲）——点云的基本操作（旋转、缩放、平移）附C++代码

在点云数据处理过程中，旋转、缩放和平移是常见的几何变换操作，通常用于对点云进行预处理、对齐、或者数据增强等任务。PCL点云库 提供了多种方式来实现这些操作。下面是如何使用 PCL点云库 对点云执行这些基本操作的讲解示例代码，这些基本操作会在Qt+PCL联合开发中经常使用，因此学习并且掌握是十分有必要的。

---

1 、旋转矩阵和平移基本概念

旋转矩阵和平移（Translation）是计算机图形学、机器人学、SLAM、计算机视觉等领域的基础知识，属于刚体变换（Rigid Transformation）的一部分。以下是对它们的简单讲解：

---

1.1、旋转矩阵（Rotation Matrix）

1. 定义

旋转矩阵 $\mathbf{R}\in {\mathbb{R}}^{3\times 3}$ 是一个 正交矩阵，满足：

$${\mathbf{R}}^{\top }\mathbf{R}=\mathbf{I},\det (\mathbf{R})=1$$

它表示绕原点的三维旋转，保持向量长度不变，常用于刚体姿态表示。

---

2. 常见旋转矩阵

• 绕 $x$ 轴旋转角度 $\theta$：

$${\mathbf{R}}_x(\theta )=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \theta & -\sin \theta \\ 0& \sin \theta & \cos \theta \end{array}\right]$$

• 绕 $y$ 轴旋转：

$${\mathbf{R}}_y(\theta )=\left[\begin{array}{ccc}\cos \theta & 0& \sin \theta \\ 0& 1& 0\\ -\sin \theta & 0& \cos \theta \end{array}\right]$$

• 绕 $z$ 轴旋转：

$${\mathbf{R}}_z(\theta )=\left[\begin{array}{ccc}\cos \theta & -\sin \theta & 0\\ \sin \theta & \cos \theta & 0\\ 0& 0& 1\end{array}\right]$$

---

3. 组合旋转（欧拉角）

可以通过先后绕不同轴旋转构建组合旋转：

$$\mathbf{R}={\mathbf{R}}_z(\gamma ){\mathbf{R}}_y(\beta ){\mathbf{R}}_x(\alpha )$$

（取决于顺序和坐标系约定）

---

4. 李群 SO(3)

旋转矩阵属于 特殊正交群 SO(3)，是李群的一个例子，其对应的李代数是 so(3)，相关内容有,这里不详细展开：

• so(3)：反对称矩阵
• 使用指数映射和对数映射

---

1.2、平移向量（Translation Vector）

1. 定义

平移是将一个点沿某方向移动，使用一个三维向量 $\mathbf{t}\in {\mathbb{R}}^3$ 表示。

例如：将点 $\mathbf{p}$ 平移为 ${\mathbf{p}}^{\prime }$：

$${\mathbf{p}}^{\prime }=\mathbf{p}+\mathbf{t}$$

---

1.3、刚体变换（Rigid Body Transformation）

结合旋转和平移，构成刚体变换：

$${\mathbf{p}}^{\prime }=\mathbf{Rp}+\mathbf{t}$$

这可以表示为一个齐次矩阵形式（4x4）：

$$\mathbf{T}=\left[\begin{array}{cc}\mathbf{R}& \mathbf{t}\\ 0^{\top }& 1\end{array}\right],{\mathbf{p}}_{\text{hom}}^{\prime }=\mathbf{T}\cdot {\mathbf{p}}_{\text{hom}}$$

---

1.4、应用场景

• SLAM 与视觉里程计：估计从一帧到另一帧的旋转和平移。
• 3D 点云配准：如 ICP、NDT，目标是求解最优 $\mathbf{R},\mathbf{t}$。
• 机器人运动学：描述关节或坐标系之间的位置关系。

---

2、旋转点云

点云旋转通常是通过应用一个旋转矩阵$（R）$来完成。PCL 提供了 pcl::transformPointCloud 方法,在头文件pcl/common/transforms.h中，该方法允许我们应用一个 4x4 的变换矩阵$（T）$（包括旋转$(R)$和位移$(t)$）来变换点云。

示例代码：旋转点云

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <Eigen/Dense>
#include <iostream>

int main()
{
    // 创建一个点云对象并填充数据
    pcl::PointCloud<pcl::PointXYZ> cloud;
    cloud.width = 5;
    cloud.height = 1;
    cloud.is_dense = false;
    cloud.points.resize(cloud.width * cloud.height);

    for (size_t i = 0; i < cloud.points.size(); ++i)
    {
        cloud.points[i].x = i;
        cloud.points[i].y = i;
        cloud.points[i].z = i;
    }

    // 定义一个旋转矩阵（绕 Z 轴旋转 90 度）
    Eigen::Affine3f transform = Eigen::Affine3f::Identity();
    transform.rotate(Eigen::AngleAxisf(M_PI / 2, Eigen::Vector3f::UnitZ()));

    // 应用变换
    pcl::PointCloud<pcl::PointXYZ> cloud_rotated;
    pcl::transformPointCloud(cloud, cloud_rotated, transform);

    // 输出旋转后的点云
    std::cout << "Rotated point cloud: " << std::endl;
    for (size_t i = 0; i < cloud_rotated.points.size(); ++i)
    {
        std::cout << cloud_rotated.points[i].x << " "
                  << cloud_rotated.points[i].y << " "
                  << cloud_rotated.points[i].z << std::endl;
    }

    return 0;
}

代码解析：

1. 点云定义：创建了一个简单的点云，包含 5 个点。
2. 旋转矩阵：通过 Eigen::AngleAxisf 创建一个绕 Z 轴旋转 90 度的旋转矩阵。
3. 旋转变换：使用 pcl::transformPointCloud 将旋转矩阵应用到点云上，得到旋转后的点云。
4. 输出结果：打印旋转后的点云坐标。

3、缩放点云

缩放点云是通过对每个点的坐标进行按比例缩放来实现的。PCL点云库 提供了类似的变换方法，可以通过应用缩放因子来完成。

示例代码：缩放点云

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <Eigen/Dense>
#include <iostream>

int main()
{
    // 创建一个点云对象并填充数据
    pcl::PointCloud<pcl::PointXYZ> cloud;
    cloud.width = 5;
    cloud.height = 1;
    cloud.is_dense = false;
    cloud.points.resize(cloud.width * cloud.height);

    for (size_t i = 0; i < cloud.points.size(); ++i)
    {
        cloud.points[i].x = i;
        cloud.points[i].y = i;
        cloud.points[i].z = i;
    }

    // 定义一个缩放矩阵（缩放因子为 2）
    Eigen::Affine3f transform = Eigen::Affine3f::Identity();
    transform.scale(2.0); // 缩放因子为 2

    // 应用变换
    pcl::PointCloud<pcl::PointXYZ> cloud_scaled;
    pcl::transformPointCloud(cloud, cloud_scaled, transform);

    // 输出缩放后的点云
    std::cout << "Scaled point cloud: " << std::endl;
    for (size_t i = 0; i < cloud_scaled.points.size(); ++i)
    {
        std::cout << cloud_scaled.points[i].x << " "
                  << cloud_scaled.points[i].y << " "
                  << cloud_scaled.points[i].z << std::endl;
    }

    return 0;
}

代码解析：

1. 点云定义：创建一个简单的点云，包含 5 个点。
2. 缩放矩阵：通过 transform.scale(2.0) 定义一个缩放因子为 2 的变换。
3. 缩放变换：使用 pcl::transformPointCloud 将缩放变换应用到点云上，得到缩放后的点云。
4. 输出结果：打印缩放后的点云坐标。

4、 平移点云

平移点云的操作非常简单，只需要对每个点的坐标添加一个平移向量即可。与旋转和缩放一样，PCL点云 也提供了 transformPointCloud 来实现平移。

示例代码：平移点云

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <Eigen/Dense>
#include <iostream>

int main()
{
    // 创建一个点云对象并填充数据
    pcl::PointCloud<pcl::PointXYZ> cloud;
    cloud.width = 5;
    cloud.height = 1;
    cloud.is_dense = false;
    cloud.points.resize(cloud.width * cloud.height);

    for (size_t i = 0; i < cloud.points.size(); ++i)
    {
        cloud.points[i].x = i;
        cloud.points[i].y = i;
        cloud.points[i].z = i;
    }

    // 定义一个平移向量（平移 2 单位）
    Eigen::Affine3f transform = Eigen::Affine3f::Identity();
    transform.translation() << 2.0, 3.0, 4.0; // 平移向量 (x, y, z)

    // 应用变换
    pcl::PointCloud<pcl::PointXYZ> cloud_translated;
    pcl::transformPointCloud(cloud, cloud_translated, transform);

    // 输出平移后的点云
    std::cout << "Translated point cloud: " << std::endl;
    for (size_t i = 0; i < cloud_translated.points.size(); ++i)
    {
        std::cout << cloud_translated.points[i].x << " "
                  << cloud_translated.points[i].y << " "
                  << cloud_translated.points[i].z << std::endl;
    }

    return 0;
}

代码解析：

1. 点云定义：创建一个简单的点云，包含 5 个点。
2. 平移矩阵：使用 transform.translation() 定义平移向量 (2.0, 3.0, 4.0)，将点云向右、向上、向外平移。
3. 平移变换：通过 pcl::transformPointCloud 应用平移变换，得到平移后的点云。
4. 输出结果：打印平移后的点云坐标。

5、 组合变换

你可以组合旋转、缩放和平移变换，通过多个变换矩阵的组合来实现更复杂的变换。

示例代码：组合旋转、缩放和平移

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <Eigen/Dense>
#include <iostream>

int main()
{
    // 创建一个点云对象并填充数据
    pcl::PointCloud<pcl::PointXYZ> cloud;
    cloud.width = 5;
    cloud.height = 1;
    cloud.is_dense = false;
    cloud.points.resize(cloud.width * cloud.height);

    for (size_t i = 0; i < cloud.points.size(); ++i)
    {
        cloud.points[i].x = i;
        cloud.points[i].y = i;
        cloud.points[i].z = i;
    }

    // 创建变换：旋转 90 度、缩放 2.0、平移 (2, 3, 4)
    Eigen::Affine3f transform = Eigen::Affine3f::Identity();
    transform.rotate(Eigen::AngleAxisf(M_PI / 2, Eigen::Vector3f::UnitZ())); // 旋转
    transform.scale(2.0); // 缩放
    transform.translation() << 2.0, 3.0, 4.0; // 平移

    // 应用组合变换
    pcl::PointCloud<pcl::PointXYZ> cloud_transformed;
    pcl::transformPointCloud(cloud, cloud_transformed, transform);

    // 输出变换后的点云
    std::cout << "Transformed point cloud: " << std::endl;
    for (size_t i = 0; i < cloud_transformed.points.size(); ++i)
    {
        std::cout << cloud_transformed.points[i].x << " "
                  << cloud_transformed.points[i].y << " "
                  << cloud_transformed.points[i].z << std::endl;
    }

    return 0;
}

6、 总结

• 旋转：通过旋转矩阵（例如绕 Z 轴旋转）来变换点云。
• 缩放：通过缩放因子来改变点云大小。
• 平移：通过平移向量将点云平移到新的位置。
• 组合变换：可以将旋转、缩放和平移操作组合在一起，形成更复杂的变换。

PCL 提供了强大的功能来处理和变换点云数据。可以根据需求对点云进行旋转、缩放、平移等操作，以便对点云进行更精细的分析和处理。

---

至此完成第10讲的相关内容，欢迎喜欢的朋友订阅