PCL点云点选+区域生长：

最新推荐文章于 2024-07-01 22:03:39 发布
最新推荐文章于 2024-07-01 22:03:39 发布
阅读量1.7k 收藏 28
点赞数 7
分类专栏： pcl C++
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_40335930/article/details/99573794
版权
C++ 同时被 2 个专栏收录
36 篇文章 3 订阅
订阅专栏
pcl
15 篇文章 34 订阅
订阅专栏 
#include <iostream>
#include <vector>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/visualization/pcl_visualizer.h>
#include "region_growing.h"
boost::mutex mutex_;

using namespace std;
using namespace pcl;
typedef PointCloud<PointXYZ> PCT;
typedef PointXYZ PointT;
PCT::Ptr cloud(new PCT());
vector<int>idx_all;
struct callback_args
{
	PCT::Ptr clicked_3d_data;
	visualization::PCLVisualizer::Ptr view;
};
void point_picked(const visualization::PointPickingEvent&event, void *arge){
	callback_args *data = (callback_args*)arge;
	if (event.getPointIndex()==-1)
	{
		return;
	}
	idx_all.push_back(event.getPointIndex());
	copyPointCloud(*cloud, idx_all, *data->clicked_3d_data);
	visualization::PointCloudColorHandlerCustom<PointT>color(data->clicked_3d_data, 255, 0, 0);
	data->view->removePointCloud("clicked_point");
	data->view->addPointCloud(data->clicked_3d_data, color, "clicked_point");
	data->view->setPointCloudRenderingProperties(visualization::PCL_VISUALIZER_POINT_SIZE, 5, "clicked_point");
}
int main()
{
	io::loadPCDFile("C:\\Users\\admin\\Desktop\\test.pcd", *cloud);
	mutex_.lock();
	visualization::PCLVisualizer::Ptr viewer(new visualization::PCLVisualizer("点选"));
	viewer->addPointCloud(cloud);

	callback_args cb_args;
	PCT::Ptr clicked_3d_data(new PCT);
	cb_args.clicked_3d_data = clicked_3d_data;
	cb_args.view = viewer;

	viewer->registerPointPickingCallback(point_picked, (void*)&cb_args);
	viewer->spin();
	mutex_.unlock();
	
	std::cout << "程序结束" << std::endl;
	return 0;
}

在这里插入图片描述

点选+区域生长：

//主程序-------------------------
#include "region_growing.h"
#include <iostream>
#include <vector>
#include <ctime>
#include <string>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/visualization/pcl_visualizer.h>

boost::mutex mutex_;

using namespace std;
using namespace pcl;
typedef PointCloud<PointXYZ> PCT;
typedef PointXYZ PointT;
PCT::Ptr cloud(new PCT());
vector<int>idx_all;
region_growing reg_grow;

struct callback_args
{
	PCT::Ptr clicked_3d_data;
	visualization::PCLVisualizer::Ptr view;
};
void point_picked(const visualization::PointPickingEvent&event, void *arge){
	callback_args *data = (callback_args*)arge;
	if (event.getPointIndex() == -1)
	{
		return;
	}
	vector<int>tem_index;
	idx_all.push_back(event.getPointIndex());
	tem_index.push_back(event.getPointIndex());
	copyPointCloud(*cloud, idx_all, *data->clicked_3d_data);
	visualization::PointCloudColorHandlerCustom<PointT>color(data->clicked_3d_data, 255, 0, 0);
	data->view->removePointCloud("clicked_point");
	data->view->addPointCloud(data->clicked_3d_data, color, "clicked_point");
	data->view->setPointCloudRenderingProperties(visualization::PCL_VISUALIZER_POINT_SIZE, 10, "clicked_point");
	//区域生长********************
	//srand(time(nullptr));
	stringstream ss;
	ss << "region_growing" << tem_index[0];
	cout << ss.str() << endl;
	PCT::Ptr region_growing_point(new PCT());
	vector<int>index_reg_grow;
	index_reg_grow = reg_grow.region_growing_one(tem_index[0]);
	copyPointCloud(*cloud, index_reg_grow, *region_growing_point);
	visualization::PointCloudColorHandlerRandom<PointT>region_growing_point_color(region_growing_point);
	data->view->addPointCloud(region_growing_point, region_growing_point_color, ss.str());
	data->view->setPointCloudRenderingProperties(visualization::PCL_VISUALIZER_POINT_SIZE, 3, ss.str());
}
int main()
{
	io::loadPCDFile("C:\\Users\\admin\\Desktop\\test.pcd", *cloud);
	reg_grow.set_normal_curvature(0.3, 10.0);
	reg_grow.setinput_point(cloud);
	reg_grow.normal_estimation(10);
	mutex_.lock();
	visualization::PCLVisualizer::Ptr viewer(new visualization::PCLVisualizer("点选"));
	viewer->addPointCloud(cloud);

	callback_args cb_args;
	PCT::Ptr clicked_3d_data(new PCT);
	cb_args.clicked_3d_data = clicked_3d_data;
	cb_args.view = viewer;

	viewer->registerPointPickingCallback(point_picked, (void*)&cb_args);
	viewer->spin();
	mutex_.unlock();

	std::cout << "程序结束" << std::endl;
	return 0;
}

//头文件
#include <pcl/io/pcd_io.h>
#include <pcl/search/kdtree.h>
#include <vector>
#include <pcl/features/normal_3d.h>
#include <Eigen/dense>
#include <cmath>
#include <ctime>
#include<pcl/visualization/pcl_visualizer.h>
using namespace pcl;
using namespace Eigen;
using namespace std;
typedef PointXYZ PointT;

class region_growing
{
public:
	region_growing();
	void setinput_point(PointCloud<PointT>::Ptr &point_cloud);
	void set_normal_curvature(float , float );
	void normal_estimation(int );
	vector<int> region_growing_one(int index_point);
private:
	PointCloud<PointT>::Ptr cloud;
	float curvature_threshold;
	float normal_threshold;
	int K_nebor_size;
	PointCloud<Normal>::Ptr normal_;
	vector<int>all_index;
};
region_growing::region_growing(){
	curvature_threshold = 0.2;
	normal_threshold = 10.0;
	K_nebor_size = 10;
}
inline void region_growing::set_normal_curvature(float curvature_threshold1, float normal_threshold1)
{
	curvature_threshold = curvature_threshold1;
	normal_threshold = normal_threshold1;
}

void region_growing::setinput_point(PointCloud<PointT>::Ptr &point_cloud){
	cloud=point_cloud;
}
void region_growing::normal_estimation(int K_nebor_size){
	PointCloud<Normal>::Ptr normal(new PointCloud<Normal>);
	search::KdTree<PointT>::Ptr tree(new search::KdTree<PointT>);
	tree->setInputCloud(cloud);
	NormalEstimation<PointT, Normal>ne;
	ne.setInputCloud(cloud);
	ne.setSearchMethod(tree);
	ne.setKSearch(K_nebor_size);
	ne.compute(*normal);
	normal_ = normal;
}
vector<int> region_growing::region_growing_one(int index_point){
	search::KdTree<PointXYZ>::Ptr tree(new search::KdTree<PointXYZ>);
	tree->setInputCloud(cloud);
	float normal_threshold_real = cosf(normal_threshold / 180.0 * M_PI);
	queue<int>seed;
	seed.push(index_point);
	vector<int>point_label;
	vector<int>nebor_idx;
	vector<float>nebor_distance;
	point_label.resize(cloud->points.size(), -1);
	point_label[index_point] = 0;
	while (!seed.empty())
	{
		int curr_seed = seed.front();
		seed.pop();
		int K_nebor(0);
		tree->nearestKSearch(cloud->points[curr_seed], K_nebor_size, nebor_idx, nebor_distance);
		while (K_nebor < nebor_idx.size())
		{
			int index_nebor = nebor_idx[K_nebor];
			if (point_label[index_nebor] != -1)
			{
				K_nebor++;
				continue;
			}
			bool is_a_seed = false;
			Map<Vector3f>curr_seed(static_cast<float*>(normal_->points[curr_seed].normal));
			Map<Vector3f>seed_nebor(static_cast<float*>(normal_->points[index_nebor].normal));
			float dot_normal = fabsf(curr_seed.dot(seed_nebor));
			if (dot_normal<normal_threshold_real)
			{
				is_a_seed = false;
			}
			else if (normal_->points[index_nebor].curvature>curvature_threshold)
			{
				is_a_seed = false;
			}
			else
			{
				is_a_seed = true;
			}
			if (!is_a_seed)
			{
				K_nebor++;
				continue;
			}
			all_index.push_back(index_nebor);
			point_label[index_nebor] = 0;
			if (is_a_seed)
			{
				seed.push(index_nebor);
			}
			K_nebor++;
		}
	}
	return all_index;
}

根据拾取的种子点，进行法向量和曲率的区域生长
在这里插入图片描述

明明设计的颜色随机，但是每次生长所有分割单元的颜色都要跟着改变，哪位大神出来交流一下？----------------心累

起个名字费劲死了
关注
  • 7
    点赞
  • 踩
  • 28
    收藏
    觉得还不错? 一键收藏
  • 8
    评论
专栏目录
PCL实现用区域生长算法寻找点云中的平面Region Growing
weixin_43047324的博客
06-16 495
简单的区域生长算法
Open3D 点云区域生长分割算法
最新发布
纵马踏花向自由
07-16 649
Open3D 的点云区域生长分割算法是一种基于区域生长的点云分割方法，用于将点云分割成不同的部分。该算法的基本原理如下：
【点云分割】区域生长（用鼠标选中一个点长出一个）
weixin_38403778的博客
11-07 1849
近期，有需求要通过鼠标交互选中一个点长出一个平面来，属于点云分割的一块，下图为动态效果图 声明：近来有些网友联系我，甚至是责骂我说，csdn是开源代码的，你贴个图算怎么回事，在此我做个声明，本人开发工具，如pcl，vtk，qt均是开源第三方库，所实现的功能所需代码网上均能找到，在此我只是想展示一下效果，代码日后再贴，现有问题可互相讨论，谢谢，非诚勿扰。 ...
点云分割之区域生长、RANSAC测试
啥也不懂的研究生也淦SLAM的博客
11-28 1238
点云分割之区域生长算法、ransac算法
【自用】点云学习记录——PCL屏幕选点
RR0665的博客
04-26 662
PCL中通过注册registerPointPickingCallback来实现点云的三维坐标选取。
PCL教程-点云分割之区域生长分割算法
热门推荐
DayDayUp
09-09 1万+
Inputs: Point cloud= Point normals= Points curvatures= Neighbour finding function Curvature threshold Angle threshold Initialize: Region list Available points list Algorithm: While is not emptydo Current re...
基于PCL区域生长的点云分割
dyk4ever的博客
12-17 295
region growing，PCL，point cloud
PCL点云分割-区域生长法
黄昏的晨曦
02-02 2731
我概括的来说，就是从曲率小的面播种，从种子的位置出发，开始往四周搜索点，然后比对点于点之间的曲率和法线方向，如果差距小于阈值就视为同一个cluster。如果一个cluster无法再蔓延，在剩下的点云里再找曲率小的面播种，然后继续重复直到遍历完毕。 基于颜色的区域生长分割 ：原理上和基于曲率，法线的分割方法是一致的。只不过比较目标换成了颜色，去掉了点云规模上限的限制。可以认为，同一个颜色且挨得近，...
PCL 点云区域生长分割
weixin_43896283的博客
06-16 177
区域生长分割（RegionGrowing）:是一种改进的ICP（Iterative Closest Point）算法，用于处理3D点云配准问题，特别是在存在噪声、外点（不匹配点）或数据分布不均等复杂情况下。 基本思想：首先依据点的曲率值对点进行排序，之所以排序是因为区域生长算法是从曲率最小的点开始生长的，这个点就是初始种子点，初始种子点所在的区域即为最平滑的区域，一般场景中平面区域较大，这样从最平滑的区域开始生长可减少分割区域的总数，提高效率。
PCL 点云分割之区域生长
dayuhaitang1的博客
11-21 620
PCL 点云分割之区域生长
区域生长算法
04-19
区域生长算法的简单实现，人工选取种子，对二值图像的前景进行分割。
区域生长算法，种子点选取
04-14
区域生长种子点选取，种子点变换生长，种子点变换生长，种子点变换生长，种子点变换生长，种子点变换生长，种子点变换生长，种子点变换生长
PCL 基于点云RGB颜色的区域生长算法
weixin_43896283的博客
07-01 348
点云RGB颜色区域生长算法: 是一个基于RGB颜色信息的区域生长算法，用于点云分割。该算法利用了点云中相邻点之间的颜色相似性来将点云分割成不同的区域。
PCL学习笔记(42)——点云区域生长RegionGrowing分割算法
Christo的博客
09-23 3021
源码 #include <iostream> #include <vector> #include <pcl/point_types.h> #include <pcl/io/pcd_io.h> #include <pcl/search/search.h> #include <pcl/search/kdtree.h> #include <pcl/features/normal_3d.h> #include <pcl/vi
基于区域生长的点云滤波方法
dayuhaitang1的博客
03-22 1956
文章目录一、简介 一、简介
PCL点云处理之可视化选点计算间距 （二百二十四）
weixin_44329757的博客
12-15 620
读取点云，使用PCL将其可视化，在窗口点云中鼠标点击两个点，输出他俩的坐标和之间的距离，效果如下所示：
点云分割-pcl区域生长算法
诺有缸的高飞鸟的博客
07-26 830
pcl的区域生长算法的使用和原理
PCL学习一：点云与PCL基础
qq_42994487的博客
04-28 1万+
PCL学习一：点云与PCL基础
pcl: 基于区域生长的点云分割
08-17
参数化的连通区域生长（PCL）是一种常用的点云分割方法，通过从种子点开始连续生长来识别和分割点云中的区域。 PCL首先选择一个种子点作为起始点，并将其标记为当前生长区域的一部分。然后，它会检查该种子点的邻域...
评论 8
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
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