深度图像+彩色图像=彩色点云

深度图像+彩色图像=彩色点云

一、保存到ply文件

要求:深度图像是16位,已知相机参数,需要"stdafx.h"这个头文件
结果:生成彩色点云并保存到ply文件

//功能:彩色图像+深度图像=彩色点云ply文件
//可以用哦,非常好哦
#include "stdafx.h"
// C++ 标准库
#include <iostream>
#include <string>
using namespace std;
// OpenCV 库
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
// PCL 库
#include <pcl/io/pcd_io.h>
#include <pcl/io/ply_io.h>
#include <pcl/point_types.h>
// 定义点云类型
typedef pcl::PointXYZRGBA PointT;
typedef pcl::PointCloud<PointT> PointCloud;

// 相机内参(这里参数借鉴的别人的,我改过好像没什么区别,有时间还是要自己检测一下自己相机的参数)????????????????
const double camera_factor = 1000;
const double camera_cx = 263.73696;
const double camera_cy = 201.72450;
const double camera_fx = 379.40726;
const double camera_fy = 378.54472;

// 主函数 
int main(int argc, char** argv)
{
	// 读取./data/rgb.png和./data/depth.png,并转化为点云

	// 图像矩阵
	cv::Mat rgb, depth;
	// 使用cv::imread()来读取图像
	// API: http://docs.opencv.org/modules/highgui/doc/reading_and_writing_images_and_video.html?highlight=imread#cv2.imread
	rgb = cv::imread("2020- 5-14-13-36-21-rgb.png");
	// rgb 图像是8UC3的彩色图像
	// depth 是16UC1的单通道图像,注意flags设置-1,表示读取原始数据不做任何修改
	depth = cv::imread("2020- 5-14-13-36-21-depth.png", -1);

	// 点云变量
	// 使用智能指针,创建一个空点云。这种指针用完会自动释放。
	PointCloud::Ptr cloud(new PointCloud);
	// 遍历深度图
	for (int m = 0; m < depth.rows; m++)
		for (int n = 0; n < depth.cols; n++)
		{
		// 获取深度图中(m,n)处的值
		ushort d = depth.ptr<ushort>(m)[n];
		// d 可能没有值,若如此,跳过此点
		if (d == 0)
			continue;
		// d 存在值,则向点云增加一个点
		PointT p;

		// 计算这个点的空间坐标
		p.z = double(d) / camera_factor;
		p.x = (n - camera_cx) * p.z / camera_fx;
		p.y = (m - camera_cy) * p.z / camera_fy;

		// 从rgb图像中获取它的颜色
		// rgb是三通道的BGR格式图,所以按下面的顺序获取颜色
		p.b = rgb.ptr<uchar>(m)[n * 3];
		p.g = rgb.ptr<uchar>(m)[n * 3 + 1];
		p.r = rgb.ptr<uchar>(m)[n * 3 + 2];

		// 把p加入到点云中
		cloud->points.push_back(p);
		}
	// 设置并保存点云
	cloud->height = 1;
	cloud->width = cloud->points.size();
	cout << "point cloud size = " << cloud->points.size() << endl;
	cloud->is_dense = false;
	pcl::io::savePLYFile("2020- 5-14-13-36-21.ply", *cloud);
	// 清除数据并退出
	cloud->points.clear();
	cout << "Point cloud saved." << endl;
	return 0;
}

二、保存成txt文件

要求:深度图像是16位,已知相机参数,需要"stdafx.h"这个头文件
结果:生成彩色点云并保存成txt文件

//功能:彩色图像+深度图像=彩色点云txt文件
// AxGeneratePointCloudDemo.cpp : 定义控制台应用程序的入口点。

#include "stdafx.h"
#include <iostream>
#include <string>
using namespace std;
// OpenCV 库
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace cv;

// 相机内参
const double camera_factor = 1000;
const double camera_cx = 325.5;
const double camera_cy = 253.5;
const double camera_fx = 518.0;
const double camera_fy = 519.0;

int _tmain(int argc, _TCHAR* argv[])
{
	// 图像矩阵
	cv::Mat rgb, depth;
	// 使用cv::imread()来读取图像
	rgb = cv::imread("2020- 5-14-13-36-21-rgb.png");
	// rgb 图像是8UC3的彩色图像
	// depth 是16UC1的单通道图像,注意flags设置-1,表示读取原始数据不做任何修改
	depth = cv::imread("2020- 5-14-13-36-21-depth.png", -1);

	std::string fileNameSave = "2020- 5-14-13-36-21.txt";
	FILE *fileSave = fopen(fileNameSave.c_str(), "w");
	if (fileSave == NULL)
	{
		return 0;
	}
	// 遍历深度图
	for (int m = 0; m < depth.rows; m++)
		for (int n = 0; n < depth.cols; n++)
		{
		// 获取深度图中(m,n)处的值
		ushort d = depth.ptr<ushort>(m)[n];
		// d 可能没有值,若如此,跳过此点
		if (d == 0)
			continue;
		// d 存在值,则向点云增加一个点
		float x, y, z;
		int r, g, b;
		// 计算这个点的空间坐标
		z = double(d) / camera_factor;
		x = (n - camera_cx) * z / camera_fx;
		y = (m - camera_cy) * z / camera_fy;

		// 从rgb图像中获取它的颜色
		// rgb是三通道的BGR格式图,所以按下面的顺序获取颜色
		b = rgb.ptr<uchar>(m)[n * 3];
		g = rgb.ptr<uchar>(m)[n * 3 + 1];
		r = rgb.ptr<uchar>(m)[n * 3 + 2];

		fprintf(fileSave, "%f %f %f %d %d %d\n", x, y, z, r, g, b);
		}
	fclose(fileSave);
	system("pause");
	return 0;
}

  • 4
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 19
    评论
点云数据转深度图像是一种常见的三维数据处理任务,O3D(Open3D)是一个开源工具库,可以帮助我们实现这个任务。 要将点云数据转换为深度图像,在O3D中,我们可以分为以下步骤: 1. 导入点云数据:首先,我们需要将点云数据导入到O3D中。可以使用O3D提供的点云数据类`o3d.geometry.PointCloud`,通过读取点云文件如PLY、OBJ等格式,或者通过编程方式创建点云。 2. 点云深度图像转换:接下来,我们可以使用O3D的函数`o3d.geometry.PointCloud.estimate_normals`为点云估计法线。法线信息可以帮助我们计算点云上每个点的深度值。然后,我们可以使用`o3d.geometry.PointCloud.compute_nearest_neighbor_distance`函数计算每个点到最近邻点的距离。这些距离值可以作为点云深度值。 3. 创建深度图像:我们可以使用O3D的函数`o3d.geometry.Image.create_from_depth_map`来创建深度图像。该函数可以将深度值转换为图像像素的灰度值,并生成一个2D深度图像。 4. 可视化深度图像:最后,我们可以使用O3D提供的可视化模块,如`o3d.visualization.draw_geometries`等函数,将深度图像可视化显示出来,以便我们查看转换后的结果。 通过以上步骤,我们可以使用O3D的功能将点云数据转换为深度图像。除了点云深度图像的转换,O3D还提供了丰富的功能,如点云滤波、点云配准、点云重建等,可以帮助我们进行更多的三维数据处理任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 19
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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