PCL多线程动态实时显示点云

前言

最近需要用到pcl库动态实时显示点云数据,做个简单的记录
代码主要逻辑如下:

  • 主线程用于更新点云数据,我的代码设置为阻塞式的交互模式,手动设置参数更新点云数据;若有激光雷达,则把代码改为不断的读取激光雷达数据即可
  • 工作线程负责实时显示点云数据

代码简述

1.类的成员函数开启多线程的方式

PointVis pv;		// 首先将类实例化
					// 传入类成员函数地址和对象地址即可
std::thread th(&PointVis::Vis, &pv);

2.点云显示函数

/* 点云显示 */
void PointVis::Vis()
{
    std::cout<<"thread begin!"<<std::endl;

    // viewer实例化
    pcl::visualization::PCLVisualizer viewer("viewer");
    viewer.setBackgroundColor(0,0,0);
    viewer.addCoordinateSystem(1);
    viewer.addPointCloud(pointcloud_ptr, "sample cloud");
    //viewer.setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "sample cloud");
    //viewer.initCameraParameters();
    std::cout<<"viewer init!"<<std::endl;

    while (1)
    {
        if (isStop)
        {
            std::cout<<"viewer break!"<<std::endl;
            break;
        }
        else
        {
            std::lock_guard<std::mutex> lck(mutexUpdate);
            if (isUpdate)
            {
                // 点云刷新
                viewer.updatePointCloud<pcl::PointXYZ>(pointcloud_ptr, "sample cloud");
                isUpdate = false;
            }
            
            viewer.spinOnce(10);
        }
    }
    
}

3.好像也不知道有啥要讲解的,都是调API

完整代码

#include<mutex>
#include<thread>
#include<string>
#include<iostream>
#include<pcl/point_cloud.h>
#include<pcl/visualization/pcl_visualizer.h>

class PointVis
{
private:
    bool isStop;                                            // 判断是否终止
    bool isUpdate;                                          // 判断点云数据是否更新
    std::mutex mutexUpdate;                                 // 互斥锁
    pcl::PointCloud<pcl::PointXYZ>::Ptr pointcloud_ptr;     // 保存点云数据

public:
    PointVis();
    ~PointVis();

    void Vis();                                             // 显示点云
    void SetStop();                                         // 设置停止位
    void UpdatePoints(float x, float y, float z);           // 更新点云
};

PointVis::PointVis()
{
    isStop = false;
    isUpdate = false;
    std::cout<<"isStop is set false"<<std::endl;
    pointcloud_ptr.reset(new pcl::PointCloud<pcl::PointXYZ>());
    pcl::PointXYZ p;
    p.x = 0;
    p.y = 0;
    p.z = 0;
    pointcloud_ptr->push_back(p);
    pointcloud_ptr->width = 1;
    pointcloud_ptr->height = 1;
    std::cout<<"pointcloud_ptr init"<<std::endl;
}

PointVis::~PointVis()
{
}

/* 设置显示模块停止 */
void PointVis::SetStop()
{
    std::lock_guard<std::mutex> lck(mutexUpdate);
    isStop = true;
    std::cout<<"isStop is set true"<<std::endl;
    return;
}

/* 点云数据更新 */
void PointVis::UpdatePoints(float x, float y, float z)
{
    std::lock_guard<std::mutex> lck(mutexUpdate);

    for(float i = -x; i < x; i+=0.1)
    {
        for (float j = -y; j < y; j+=0.1)
        {
            pcl::PointXYZ p;
            p.x = i;
			p.y = j;
			p.z = z;
            pointcloud_ptr->push_back(p);
        }
    }
    pointcloud_ptr->width = pointcloud_ptr->size();
    pointcloud_ptr->height = 1;
    isUpdate = true;
    std::cout<<"UpdatePoints finished"<<std::endl;
}

/* 点云显示 */
void PointVis::Vis()
{
    std::cout<<"thread begin!"<<std::endl;

    // viewer实例化
    pcl::visualization::PCLVisualizer viewer("viewer");
    viewer.setBackgroundColor(0,0,0);
    viewer.addCoordinateSystem(1);
    viewer.addPointCloud(pointcloud_ptr, "sample cloud");
    //viewer.setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "sample cloud");
    //viewer.initCameraParameters();
    std::cout<<"viewer init!"<<std::endl;

    while (1)
    {
        if (isStop)
        {
            std::cout<<"viewer break!"<<std::endl;
            break;
        }
        else
        {
            std::lock_guard<std::mutex> lck(mutexUpdate);
            if (isUpdate)
            {
                // 点云刷新
                viewer.updatePointCloud<pcl::PointXYZ>(pointcloud_ptr, "sample cloud");
                isUpdate = false;
            }
            
            viewer.spinOnce(10);
        }
    }
    
}

int main()
{
    int s;
    float x, y, z;
    
    PointVis pv;

    std::thread th(&PointVis::Vis, &pv);

    while (1)
    {
        std::cout<<"输入66退出,输入其他更新点云数据"<<std::endl;
        cin>>s;

        if (s == 66)
        {
            pv.SetStop();
            break;
        }
        else
        {
            std::cout<<"开始更新点云数据"<<std::endl;
            float x, y, z;
            std::cout<<"输入x:"<<std::endl;
            cin>>x;
            std::cout<<"输入y:"<<std::endl;
            cin>>y;
            std::cout<<"输入z:"<<std::endl;
            cin>>z;
            pv.UpdatePoints(x, y, z);
        }

    }
    th.join();

    return 0;
}

显示效果

1.点云第一次更新
在这里插入图片描述
2.点云第二次更新
在这里插入图片描述
3.没有写清除点云的代码,不过也不难吧

好哥哥们,有帮助的话点个赞咯!!!

  • 4
    点赞
  • 24
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
pcl poisson多线程是指在进行表面重建时,使用多线程进行计算和处理的一种方法。PCL(点云库)是一个开源的点云处理库,其中的Poisson算法用于进行表面重建。在传统的单线程计算中,对于大规模的点云数据进行表面重建需要耗费较长的时间。而采用多线程的方式,可以将计算任务分割成多个子任务,并在多个线程上同时进行处理,从而提高计算效率。 在pcl poisson多线程中,首先将点云数据划分为多个子集,每个子集分配给一个线程进行处理。每个线程负责对自己所分配的点云数据进行Poisson算法的计算,生成部分的表面重建结果。然后,将多个线程计算得到的部分结果进行融合,得到最终的表面重建结果。 采用多线程的优势在于能够充分利用多核处理器的性能,提高计算速度。由于每个线程独立进行计算,因此可以同时处理多个子集,减少了计算时间。此外,多线程还能够充分利用系统资源,实现并行计算,提高系统的整体效率。 然而,pcl poisson多线程也存在一些注意事项。首先,需要合理划分点云数据,使得每个线程计算的子集大小适中,避免某个线程计算任务过大或过小。其次,线程之间的数据交互和结果融合需要进行同步,以保证计算的准确性。最后,多线程的实现需要考虑线程之间的负载均衡和数据分配,避免出现线程资源浪费或冲突的情况。 总而言之,pcl poisson多线程是一种提高表面重建计算效率的方法,通过将计算任务分割并利用多线程并行计算的方式,减少了计算时间,提高了系统整体的效率。

“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 2
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