PCL 计算FPFH并可视化

莫将晚霞落黄昏

于 2024-10-09 18:00:00 发布

阅读量336

点赞数 9

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

本文链接：https://blog.csdn.net/qq_47947920/article/details/142782824

版权

PCL点云算法与实战案例专栏收录该内容

80 篇文章 4 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

FPFH（Fast Point Feature Histograms，快速点特征直方图）是一种基于点云的三维特征描述子，主要用于点云特征提取和配准。相比于PFH，FPFH通过降低复杂度优化了计算效率。FPFH描述子利用点云中的法向量和几何信息，生成33维的特征向量，可以用于识别和匹配点云中的关键点。

1.1原理

FPFH的计算分为以下几个步骤：

1.2实现步骤

读取点云数据：从PCD文件中读取点云数据。
法向量计算：基于KdTree搜索算法，计算点云的法向量。
FPFH特征计算：通过法向量和几何信息，生成FPFH特征描述子。
直方图可视化：将FPFH特征可视化为直方图，展示每个点的特征分布。

1.3应用场景

点云配准：FPFH特征可以用于不同点云之间的特征匹配和配准。
物体识别：通过FPFH特征可以进行三维物体识别和分类。
关键点检测：FPFH可以用于检测点云中的关键点和特征点。

二、代码实现

2.1关键函数

2.1.1 法向量计算

void computeNormals(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointCloud<pcl::Normal>::Ptr normals)
{
    pcl::NormalEstimationOMP<pcl::PointXYZ, pcl::Normal> ne;
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());
    ne.setInputCloud(cloud);           // 设置输入点云
    ne.setSearchMethod(tree);           // 设置搜索方法
    ne.setKSearch(30);                  // 设置K近邻搜索
    ne.setNumberOfThreads(4);           // 设置使用的线程数
    ne.compute(*normals);               // 计算法向量
}

2.1.2 FPFH特征计算

void computeFPFH(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointCloud<pcl::Normal>::Ptr normals, pcl::PointCloud<pcl::FPFHSignature33>::Ptr fpfh_features)
{
    pcl::FPFHEstimation<pcl::PointXYZ, pcl::Normal, pcl::FPFHSignature33> fpfh;
    fpfh.setInputCloud(cloud);            // 设置输入点云
    fpfh.setInputNormals(normals);        // 设置法向量
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());
    fpfh.setSearchMethod(tree);           // 设置搜索方法
    fpfh.setRadiusSearch(0.5);            // 设置搜索半径为5厘米
    fpfh.compute(*fpfh_features);         // 计算FPFH特征
}

2.1.3 直方图可视化

void visualizeFPFH(pcl::PointCloud<pcl::FPFHSignature33>::Ptr fpfh_features)
{
    pcl::visualization::PCLPlotter plotter;
    plotter.setTitle("FPFH Feature Histogram");                   // 设置标题
    plotter.setShowLegend(true);                                  // 显示图例
    plotter.addFeatureHistogram<pcl::FPFHSignature33>(*fpfh_features, "fpfh", 5);  // 可视化第五个点的FPFH特征
    plotter.setWindowSize(800, 600);                              // 设置窗口大小
    plotter.spinOnce(30000000);                                   // 显示
}

2.2完整代码

#include<iostream>
#include<vector>
#include <pcl/point_types.h>
#include <pcl/features/fpfh.h>
#include <pcl/io/pcd_io.h>
#include <pcl/features/normal_3d_omp.h> // 使用OMP进行法向量估计
#include <pcl/visualization/pcl_plotter.h> // 用于可视化直方图

using namespace std;

// 计算法向量
void computeNormals(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointCloud<pcl::Normal>::Ptr normals)
{
    pcl::NormalEstimationOMP<pcl::PointXYZ, pcl::Normal> ne;
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());
    ne.setInputCloud(cloud);            // 设置输入点云
    ne.setSearchMethod(tree);            // 设置搜索方法
    ne.setKSearch(30);                   // 设置K近邻搜索
    ne.setNumberOfThreads(4);            // 使用多线程加速
    ne.compute(*normals);                // 计算法向量
}

// 计算FPFH特征
void computeFPFH(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointCloud<pcl::Normal>::Ptr normals, pcl::PointCloud<pcl::FPFHSignature33>::Ptr fpfh_features)
{
    pcl::FPFHEstimation<pcl::PointXYZ, pcl::Normal, pcl::FPFHSignature33> fpfh;
    fpfh.setInputCloud(cloud);            // 设置输入点云
    fpfh.setInputNormals(normals);        // 设置法向量
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());
    fpfh.setSearchMethod(tree);           // 设置搜索方法
    fpfh.setRadiusSearch(0.5);            // 设置搜索半径为5厘米
    fpfh.compute(*fpfh_features);         // 计算FPFH特征
}

// 可视化FPFH直方图
void visualizeFPFH(pcl::PointCloud<pcl::FPFHSignature33>::Ptr fpfh_features)
{
    pcl::visualization::PCLPlotter plotter;
    plotter.setTitle("FPFH Feature Histogram");                     // 设置标题
    plotter.setShowLegend(true);                                    // 显示图例
    plotter.addFeatureHistogram<pcl::FPFHSignature33>(*fpfh_features, "fpfh", 5); // 可视化第五个点的FPFH特征
    plotter.setWindowSize(800, 600);                                // 设置窗口大小
    plotter.spinOnce(30000000);                                     // 显示
}

int main()
{
    // 1. 读取点云数据
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PCDReader reader;
    reader.read("person2.pcd", *cloud);

    // 2. 计算法向量
    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
    computeNormals(cloud, normals);

    // 3. 计算FPFH特征
    pcl::PointCloud<pcl::FPFHSignature33>::Ptr fpfh_features(new pcl::PointCloud<pcl::FPFHSignature33>);
    computeFPFH(cloud, normals, fpfh_features);

    // 4. 可视化FPFH特征直方图
    visualizeFPFH(fpfh_features);

    return 0;
}