PCL 点云转深度图的变换与曲面重建

最新推荐文章于 2024-08-12 16:31:44 发布
最新推荐文章于 2024-08-12 16:31:44 发布
阅读量985 收藏 7
点赞数
分类专栏： PointCloud 文章标签： 计算机视觉
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/suyunzzz/article/details/105814115
版权

2020-4-28更新

commit:之前的深度图无法动态显示，参考这篇博客，copy过来动态显示的版本，下面为代码

代码

#include <pcl/range_image/range_image.h>
#include <pcl/visualization/range_image_visualizer.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/console/parse.h>
#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>

void
setViewerPose(pcl::visualization::PCLVisualizer& viewer, const Eigen::Affine3f& viewer_pose)
{
    Eigen::Vector3f pos_vector = viewer_pose * Eigen::Vector3f(0, 0, 0);
    Eigen::Vector3f look_at_vector = viewer_pose.rotation() * Eigen::Vector3f(0, 0, 1) + pos_vector;
    Eigen::Vector3f up_vector = viewer_pose.rotation() * Eigen::Vector3f(0, -1, 0);
    viewer.setCameraPosition(
            pos_vector[0],
            pos_vector[1],
            pos_vector[2],
            look_at_vector[0],
            look_at_vector[1],
            look_at_vector[2],
            up_vector[0],
            up_vector[1],
            up_vector[2]);
}

int
main (int argc, char** argv) {

    pcl::PointCloud<pcl::PointXYZ> pointCloud;
    /*
    //生成数据
    for (float y=-0.5f; y<=0.5f; y+=0.01f)
    {
        for (float z=-0.5f; z<=0.5f; z+=0.01f)
        {
            pcl::PointXYZ point;
            point.x = 2.0f - y;
            point.y = y;
            point.z = z;
            pointCloud.points.push_back(point);
        }
    }
    pointCloud.width = (uint32_t) pointCloud.points.size();
    pointCloud.height = 1;
    */

    //读取数据
    std::string Filename="./Building1.pcd";
    pcl::io::loadPCDFile(Filename,pointCloud);
    /*以1度为角分辨率，从上面创建的点云创建深度图像。*/
    float angularResolution = (float) (  1.0f * (M_PI/180.0f));  // 1度转弧度
    /*模拟深度传感器在水平方向的最大采样角度:360°视角。*/
    float maxAngleWidth     = (float) (360.0f * (M_PI/180.0f));  // 360.0度转弧度
    /*模拟深度传感器在垂直方向的最大采样角度:180°视角。*/
    float maxAngleHeight    = (float) (180.0f * (M_PI/180.0f)); // 180.0度转弧度
    /*
    sensorPose定义模拟深度传感器的6自由度位置：
    横滚角roll、俯仰角pitch、偏航角yaw，默认初始值均为0。
    */
    Eigen::Affine3f sensorPose = (Eigen::Affine3f)Eigen::Translation3f(0.0f, 0.0f, 0.0f);
    /*
    定义坐标轴正方向：
    CAMERA_FRAME：X轴向右，Y轴向下，Z轴向前；
    LASER_FRAME：X轴向前，Y轴向左，Z轴向上；
    */
    pcl::RangeImage::CoordinateFrame coordinate_frame = pcl::RangeImage::CAMERA_FRAME;
    /*
    noiseLevel设置周围点对当前点深度值的影响：
    如 noiseLevel=0.05，可以理解为，深度距离值是通过查询点半径为 Scm 的圆内包含的点用来平均计算而得到的。
    */
    float noiseLevel=0.00;
    /*
    min_range设置最小的获取距离，小于最小获取距离的位置为盲区
    */
    float minRange = 0.0f;
    /*border_size获得深度图像的边缘的宽度：在裁剪图像时，如果 borderSize>O ，将在图像周围留下当前视点不可见点的边界*/
    int borderSize = 1;

    boost::shared_ptr<pcl::RangeImage> range_image_ptr(new pcl::RangeImage);
    pcl::RangeImage& range_image = *range_image_ptr;
    range_image.createFromPointCloud(pointCloud, angularResolution, maxAngleWidth, maxAngleHeight, sensorPose, coordinate_frame, noiseLevel, minRange, borderSize);
    std::cout << range_image << "\n";  //重载了<<运算符

    //创建3D视图并且添加点云进行显示
    pcl::visualization::PCLVisualizer viewer("3D Viewer");
    viewer.setBackgroundColor(1, 1, 1);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointWithRange> range_image_color_handler(range_image_ptr, 0, 0, 0);
    viewer.addPointCloud(range_image_ptr, range_image_color_handler, "range image");
    viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "range image");

    viewer.initCameraParameters();
    setViewerPose(viewer, range_image.getTransformationToWorldSystem());

    //显示深度图像
    pcl::visualization::RangeImageVisualizer range_image_widget("Range image");
    //range_image_widget.setRangeImage(range_image);
    range_image_widget.showRangeImage(range_image); //图像可视化方式显示深度图像
    Eigen::Affine3f scene_sensor_pose(Eigen::Affine3f::Identity());
    //主循环
    while (!viewer.wasStopped())
    {
        range_image_widget.spinOnce();
        viewer.spinOnce();
        pcl_sleep(0.01);
        if (1)
        {
            scene_sensor_pose = viewer.getViewerPose();
            range_image.createFromPointCloud(pointCloud,
                                             angularResolution, pcl::deg2rad(360.0f),
                                             pcl::deg2rad(180.0f),
                                             scene_sensor_pose,
                                             pcl::RangeImage::LASER_FRAME,
                                             noiseLevel,
                                             minRange,
                                             borderSize);
            range_image_widget.showRangeImage(range_image);
        }
    }

}

原文

背景：

有时候我们获取的点云数据是从一个视点获取的，为了使用深度图相关的计算方法，以提高效率，我们需要将点云数据转换为深度图。这两种数据的主要区别在于，点云数据需要通过k-d tree等索引来对数据进行检索，而深度图像和图像类似，可以通过上下左右等近邻来直接进行索引。本例程就是将点云数据转换为深度图像，进而使用PCL内部只适用于深度图的算法来进行曲面重建等。

代码（详细注释）：

#include <pcl/range_image/range_image.h>
#include <pcl/range_image/range_image_planar.h>
#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>
#include <pcl/features/integral_image_normal.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>
#include <pcl/console/print.h>
#include <pcl/surface/organized_fast_mesh.h>
#include <pcl/console/time.h>
#include <Eigen/StdVector>
#include <Eigen/Geometry>
#include <iostream>
#include <pcl/surface/impl/organized_fast_mesh.hpp> 
#include <boost/thread/thread.hpp>

#include <pcl/common/common_headers.h>

#include <pcl/visualization/range_image_visualizer.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/console/parse.h>


#include <pcl/visualization/common/float_image_utils.h>//保存深度图像
#include <pcl/io/png_io.h>//保存深度图像
using namespace pcl::console;
int main (int argc, char** argv) {


	// Generate the data
	if (argc<2)
	{

		print_error ("Syntax is: %s input.pcd -w 640 -h 480 -cx 320 -cy 240 -fx 525 -fy 525 -type 0 -size 2\n", argv[0]);
		print_info ("  where options are:\n");
		print_info ("                     -w X = width of detph iamge ");

		return -1;
	}
	std::string filename = argv[1];//将命令行的第二个参数传给filename

	//默认的参数
	int width=640,height=480,size=2,type=0;
	float fx=525,fy=525,cx=320,cy=240;

	//命令行解析
	//可以在命令行输入附加参数
	parse_argument (argc, argv, "-w", width);//深度图像宽度
	parse_argument (argc, argv, "-h", height);//深度图像高度
	parse_argument (argc, argv, "-cx", cx);//光轴在深度图像上的x坐标
	parse_argument (argc, argv, "-cy", cy);//光轴在深度图像上的y坐标
	parse_argument (argc, argv, "-fx", fx);//水平方向焦距
	parse_argument (argc, argv, "-fy", fy);//垂直方向焦距
	parse_argument (argc, argv, "-type", type);//曲面重建时三角化的方式
	parse_argument (argc, argv, "-size", size);//曲面重建时的面片的大小
	//convert unorignized point cloud to orginized point cloud begin
	pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZRGB>);
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in(new pcl::PointCloud<pcl::PointXYZ>);

	pcl::io::loadPCDFile (filename, *cloud);//将命令行的第二个参数传递给filename之后，将filename对应的pcd文件读入
	pcl::io::loadPCDFile(filename,*cloud_in);
	print_info ("Read pcd file successfully\n");//读入成功标志

	//设置sensor_pose和coordinate_frame
	Eigen::Affine3f sensorPose;//设置相机位姿
	sensorPose.setIdentity(); //成像时遵循的坐标系统
	pcl::RangeImage::CoordinateFrame coordinate_frame = pcl::RangeImage::CAMERA_FRAME;
	float noiseLevel=0.00;//设置噪声水平
	float minRange = 0.0f;//成像时考虑该阈值外的点

	pcl::RangeImagePlanar::Ptr rangeImage(new pcl::RangeImagePlanar);
	rangeImage->createFromPointCloudWithFixedSize(*cloud,width,height,cx,cy,fx,fy,sensorPose,coordinate_frame);
	std::cout << rangeImage << "\n";
	//convert unorignized point cloud to orginized point cloud end


	//保存深度图像
	float *ranges = rangeImage->getRangesArray();
	unsigned char* rgb_image = pcl::visualization::FloatImageUtils::getVisualImage(ranges,rangeImage->width,rangeImage->height);
	pcl::io::saveRgbPNGFile("rangeImage.png",rgb_image,rangeImage->width,rangeImage->height);
	std::cerr<<"rangeImage.png Saved!"<<std::endl;

	//viusalization of range image、
	//深度图像可视化
	pcl::visualization::RangeImageVisualizer range_image_widget ("rangeImage");
	range_image_widget.showRangeImage (*rangeImage);
	range_image_widget.setWindowTitle("PCL_rangeImage");
	//triangulation based on range image
	pcl::OrganizedFastMesh<pcl::PointWithRange>::Ptr tri(new pcl::OrganizedFastMesh<pcl::PointWithRange>);
	pcl::search::KdTree<pcl::PointWithRange>::Ptr tree (new pcl::search::KdTree<pcl::PointWithRange>);
	tree->setInputCloud(rangeImage);//用到了C++赋值兼容原则，派生类的指针可以赋值给基类的指针
	pcl::PolygonMesh triangles;//多边形Mesh
	tri->setTrianglePixelSize(size);//曲面重建的精细程度
	tri->setInputCloud(rangeImage);//设置输入的深度图像
	tri->setSearchMethod(tree);//设置搜索方式
	tri->setTriangulationType((pcl::OrganizedFastMesh<pcl::PointWithRange>::TriangulationType)type);//设置三角化的类型，是一个枚举类型，将命令行输入的type值进行强制类型转换至对应的三角化的类型
	tri->reconstruct(triangles);//重建结果传送至triangles

	//可视化
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer (new pcl::visualization::PCLVisualizer ("PCL"));
	//可视化重建结果  ViewPort v1
	int v1(0);
	viewer->createViewPort(0,0,0.5,1,v1);
	viewer->setBackgroundColor(0.5,0.5,0.5,v1);
	viewer->addPolygonMesh(triangles,"tin",v1);

	//可视化原始点云
	int v2(0);
	viewer->createViewPort(0.5,0,1,1,v2);
	viewer->setBackgroundColor(0,128,0,v2);
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> color1(cloud_in,190,0,0);
	viewer->addPointCloud(cloud_in,color1,"cloud_in",v2);
	viewer->addCoordinateSystem();

	while (!range_image_widget.wasStopped ()&&!viewer->wasStopped())
	{
		range_image_widget.spinOnce ();

		pcl_sleep (0.01);
		viewer->spinOnce ();

	}
}

可视化：

（左上为重建后的曲面、右上为原点云、左下为深度图）
在这里插入图片描述

Tech沉思录
关注
专栏目录
PCL学习：深度图像-点云到深度图变换与曲面重建
zfjBIT的专栏
06-19 3196
1. 设置深度图像的宽度/高度/光心坐标/焦距等，将从一个视点获取的点云转换为深度图。 void createFromPointCloudWithFixedSize(const PointCloudType &point_cloud, int di_width, int di_height, float di_center_x, float di_center_y, float...
【2024最新版】PCL点云处理算法汇总（C++长期更新版）
热门推荐
点云侠的博客
02-27 57万+
PCL学习目录。博客长期更新，最近一次更新时间为：2024年10月10日。
PCL——点云到深度图的变换与曲面重建
emm@amiao的博客
09-07 1388
点云到深度图的变换与曲面重建 点云数据需要通过k-d tree等索引来对数据进行检索； 深度图和图像类似，可以通过上下左右等近邻来直接进行索引。 所以有必要将点云数据转换为深度图像，进而使用PCL内部只适用于深度图像的算法来进行曲面重建等。 代码实现： #include <pcl/range_image/range_image.h> #include <pcl/range_ima...
PCL函数库摘要——点云曲面重建
最新发布
qq_656236576的博客
08-12 818
PCL库种surface模块是用来对三维扫描获取的原始点云进行曲面重建的，该模块包含实现点云重建的基础算法与数据结构。
PCL 点云与深度图的变换与曲面重建
自动驾驶行业学习、交流
08-11 1343
背景： 有时候我们获取的点云数据是从一个视点获取的，为了使用深度图相关的计算方法，以提高效率，我们需要将点云数据转换为深度图。这两种数据的主要区别在于，点云数据需要通过k-d tree等索引来对数据进行检索，而深度图像和图像类似，可以通过上下左右等近邻来直接进行索引。本例程就是将点云数据转换为深度图像，进而使用PCL内部只适用于深度图的算法来进行曲面重建等。 代码（详细注释）： #incl...
PCL点云学习七（从距离图像重建曲面）
weixin_37781153的博客
04-27 785
论文阅读 原文：Fast Range Image Segmentation and Smoothing using Approximate Surface Reconstruction and Region Growing 1.摘要/简介 利用局部平面信息和临近点平滑测量点 将图像分割为平面区域和其他的几何单元 可以高速处理距离图像 相关 为了在复杂环境下获取目标部分，常用方法如下： <1>: 检测水平支撑平面 <2>: 在这些平面上提取聚类点 <2>: 再执行
PCL_13---点云曲面重建
平平酱的博客
05-30 3570
标题相关算法入门实验多项式平滑点云及法线估计的曲面重建 相关算法 凸包算法 Ear Clipping 三角化算法 贪婪投影三角化算法 移动立方体算法 泊松曲面重建算法 pcl中的surface模块：17个类、2个函数。 入门实验 多项式平滑点云及法线估计的曲面重建 重采样、平滑方法：移动最小二乘法。 目的：使法线方向更准确，曲率特征方差更小。 代码 #include <pcl/point_types.h> #include <pcl/io/pcd_io.h> #include
PCL点云库简要说明
aazqy1234的博客
08-12 1138
概述 PCL库是一个大规模的开源点云处理库。PCL框架包括大量的最新算法，如：滤波，特征估计，表面重建，配准，模型适配和分割。这些算法有很多应用，例如：从噪声数据中提取出离群值，3D点云缝合，分割一个背景的相关部位，提取关键点和计算出根据几何外形识别物体的描述符，点云的表面重建和可视化。 PCL遵循BSD license，是一个开源软件，商用和研究都是免费的。 PCL是一个跨平台并且在Linuxm, MacOS, Windows和Android中都可以顺利的编译和部署。为了方便改进，PCL被分为一系列的小
PCL点云处理总目录
weixin_44329757的博客
01-10 1万+
点云处理相关文章
PCL点云曲面重建--重采样
hjwang1的专栏
04-25 2145
转自：https://www.cnblogs.com/longyp/articles/7435547.html测量较小的对象时产生一些误差,直接重建会使曲面不光滑或者有漏洞,为了建立完整的模型需要对表面进行平滑处理和漏洞修复.可通过数据重建来解决这一问题,重采样算法通过对周围数据点进行高阶多项式插值来重建表面缺少的部分.由多个扫描配准后得到的数据直接拿来重建可能产生 "双墙"等重影,即拼接的区域出...
PCL：估算点云数据集的曲面法线
Charles_ke的博客
01-09 796
        查询点的相邻点可用于估计捕获查询点周围的下层采样表面的几何形状的局部特征表示。描述表面几何形状的一个重要问题是首先在坐标系中推断其方向，即估计其法线。曲面法线是曲面的重要属性，在许多领域（如计算机图形应用程序）中大量使用，以应用生成阴影和其他视觉效果的正确光源   1，估算输入数据集中所有点的一组曲面法线。 #include &lt;pcl/point_types.h&gt;...
从pcd点云文件中计算深度图
09-12
c++程序，需要cmake opencv pcl库，功能为从pcd点云文件中计算深度图
pcl曲面点云重建
liujiandu101的博客
05-20 3364
测量较小的对象时产生一些误差,直接重建会使曲面不光滑或者有漏洞,为了建立完整的模型需要对表面进行平滑处理和漏洞修复.可通过数据重建来解决这一问题,重采样算法通过对周围数据点进行高阶多项式插值来重建表面缺少的部分.由多个扫描配准后得到的数据直接拿来重建可能产生 "双墙"等重影,即拼接的区域出现重叠的两个曲面,重采样算法可以对此问题进行处理.pcl库文件中 resampling.cpp代码文件如下: ...
PCL点云库实现点云表面的法线与曲率计算并可视化（计算一个mesh中一个点云的曲率）
qq_40590753的博客
08-28 2054
pcl编程问题4：可视化点云的法线和曲率，模版函数的使用问题 https://blog.csdn.net/lhy2677886724/article/details/88691447 PCL求取三维点云模型每点曲率 https://blog.csdn.net/GoodLi199309/article/details/80537310 点云的曲面法向量估计 https://blog.csdn.net/lming_08/article/details/18360329 PCL法线估计 https://www.c
PCL学习笔记——点云曲面重建（三）
直撞三千
04-05 8978
三. 无序点云的快速三角化 使用贪婪投影三角化算法对有向点云进行三角化处理 #include <pcl/point_types.h> //PCL中所有点类型定义的头文件 #include <pcl/io/pcd_io.h> //打开关闭pcd文件的类定义的头文件 #include <pcl...
PCL滤波--参数化模型投影点云---三维点云投影到二维平面
滑了丝的螺丝钉
06-30 4812
PCL点云滤波模块，有一种方法叫做参数化模型投影点云滤波，意思就是创建一个参数化模型（可以是平面，球体，椎体等），然后将点云投影到上面，比如说如果投影到平面上，那么就实现了三维降到二维，滤掉了一个维度，也勉强算是滤波吧。 掌握了这种方法感觉一下子掌握了宇宙中最强大的能力之一：降维打击！ 以后看哪个模型不顺眼就拍扁它，哈哈哈~ 进入正题，虽然感觉牛逼轰轰但是原理很简单，比如我把点云的z方向坐标全都设置为0，那么就实现了向X-Y平面的投影 pcl::ModelCoefficients::Ptr coef
PCL 点云投影到球面【2024最新版】
点云侠的博客
11-09 36万+
点云投影到球面的C++详细过程版代码实现以及PCL调用函数实现。博客长期更新，本文最近一次更新时间为：2024年7月24日。
PCL 从点云数据创建深度图像（二）
qq_38991255的博客
11-28 1332
一，点云与深度图像的区别  1.深度图像也叫距离影像，是指将从图像采集器到场景中各点的距离（深度）值作为像素值的图像获取方法有：激光雷达深度成像法，计算机立体视觉成像，坐标测量机法，莫尔条纹法，结构光法。2.点云：当一束激光照射到物体表面时，所反射的激光会携带方位，距离等信息。若将激光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，由于扫描极为精细，则能够得到大量的激光点，因而就可形...
PCL之点云可视化--CloudViewer
ancy的博客
12-06 2116
点云视窗类CloudViewer是简单的可视化点云工具类，仅用几行代码就可以让用户查看点云；但需要注意的是该类不能用于多线程应用程序中。 代码展示 #include<pcl/point_types.h> #include<pcl/io/pcd_io.h> #include<pcl/visualization/cloud_viewer.h> int main() { pcl::PointCloud<pcl::PointXYZ>::Ptr clo
pcl 点云转深度图
12-15
将点云转换为深度图可以通过PCL中的一些功能实现。 在PCL中，将点云转换为深度图可以通过以下步骤实现： 1. 加载点云数据：首先，需要使用PCL中的PointCloud类来加载点云数据。点云数据可以来自多种来源，如激光...
评论
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

打赏作者

Tech沉思录

点赞加投币，感谢您的资瓷~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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