PCL 法线空间采样

莫将晚霞落黄昏

已于 2024-09-30 11:49:05 修改

阅读量364

点赞数 7

分类专栏： PCL点云算法与实战案例文章标签：人工智能算法 3d 计算机视觉 c++

于 2024-09-30 00:00:00 首次发布

本文链接：https://blog.csdn.net/qq_47947920/article/details/142627616

版权

PCL点云算法与实战案例专栏收录该内容

28 篇文章 2 订阅

订阅专栏

PCL点云算法汇总及实战案例汇总的目录地址链接：

PCL点云算法与项目实战案例汇总（长期更新）

一、概述

1.1原理

法线空间采样是一种基于点云法线信息的降采样方法，通过考虑点云表面的法线方向来选择代表性点。这种方法可以有效保持点云的几何形状和表面特征，特别适用于形状复杂的点云。

1.2实现步骤

读取点云数据。
计算点云的法线。
根据法线信息进行采样，选择具有代表性的点。
可视化原始点云和采样后的点云。

1.3应用场景

点云简化：在保持表面特征的情况下减少点云的数据量。
表面重建：通过法线信息保持点云表面的细节。
特征提取：在复杂场景中提取关键特征点。

二、代码实现

2.1关键函数

2.1.1 法线计算

使用 pcl::NormalEstimation 类计算点云的法线。

#include <pcl/features/normal_3d.h>

// 计算法线
pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimation;
normal_estimation.setInputCloud(cloud);  // 设置输入点云
normal_estimation.setRadiusSearch(0.03);  // 设置搜索半径
normal_estimation.compute(*normals);  // 计算法线

2.1.2 基于法线进行采样

通过法线信息对点云进行采样，选择法线方向上的代表性点。

pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud(new pcl::PointCloud<pcl::PointXYZ>);  // 存储采样后的点云

// 遍历法线，选择代表性点
for (size_t i = 0; i < normals->size(); ++i)
{
    // 根据法线方向和阈值选择代表性点
    if (normals->points[i].curvature > curvature_threshold)  // 设定阈值
    {
        sampled_cloud->points.push_back(cloud->points[i]);  // 添加采样点
    }
}
sampled_cloud->width = sampled_cloud->points.size();
sampled_cloud->height = 1;
sampled_cloud->is_dense = true;  // 确保点云是密集的

2.1.3 可视化原始点云和采样后的点云

使用 PCLVisualizer 可视化原始点云和基于法线的采样点云，设置背景为白色。

#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和采样后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud)  // 下采样后的点云
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Normal Space Sample Viewer"));

    // 设置视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);  // 白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);  // 标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);

    // 设置视口2，显示采样后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 右侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_2);  // 白色背景
    viewer->addText("Sampled PointCloud", 10, 10, "vp2_text", vp_2);  // 标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> sampled_color_handler(sampled_cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud(sampled_cloud, sampled_color_handler, "sampled_cloud", vp_2);

    // 设置点的大小
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "sampled_cloud", vp_2);

    viewer->addCoordinateSystem(1.0);
    viewer->initCameraParameters();

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }
}

2.2完整代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>
#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和采样后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 原始点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud)  // 下采样后的点云
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Normal Space Sample Viewer"));

    // 设置视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);  // 白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);  // 标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);

    // 设置视口2，显示采样后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 右侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_2);  // 白色背景
    viewer->addText("Sampled PointCloud", 10, 10, "vp2_text", vp_2);  // 标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> sampled_color_handler(sampled_cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud(sampled_cloud, sampled_color_handler, "sampled_cloud", vp_2);

    // 设置点的大小
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "sampled_cloud", vp_2);

    /*viewer->addCoordinateSystem(1.0);
    viewer->initCameraParameters();*/

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }
}

int main(int argc, char** argv)
{
    // -----------------------------读取点云数据---------------------------------
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile<pcl::PointXYZ>("China dragon.pcd", *cloud) == -1)
    {
        PCL_ERROR("Couldn't read the PCD file!\n");
        return -1;
    }

    // -----------------------------计算法线---------------------------------
    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimation;
    normal_estimation.setInputCloud(cloud);
    normal_estimation.setRadiusSearch(0.005);  // 设置搜索半径
    normal_estimation.compute(*normals);  // 计算法线

    // -----------------------------法线空间采样---------------------------------
    pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud(new pcl::PointCloud<pcl::PointXYZ>);  // 存储采样后的点云

    // 设定曲率阈值
    float curvature_threshold = 0.01;  // 根据需要调整

    // 遍历法线，选择代表性点
    for (size_t i = 0; i < normals->size(); ++i)
    {
        if (normals->points[i].curvature > curvature_threshold)  // 设定阈值
        {
            sampled_cloud->points.push_back(cloud->points[i]);  // 添加采样点
        }
    }
    sampled_cloud->width = sampled_cloud->points.size();
    sampled_cloud->height = 1;
    sampled_cloud->is_dense = true;  // 确保点云是密集的

    // -----------------------------可视化原始点云和采样后的点云---------------------------------
    visualizePointClouds(cloud, sampled_cloud);

    return 0;
}