PCL 点云法线估计(直接从点云数据集中近似推断表面法线)、积分图进行法线估计

一、 点云法线估计(直接从点云数据集中近似推断表面法线)

1、尺度选择

根据所需要的细节需求为参考，选择确定的邻域所用的尺度。简言之，如果杯子手柄和圆柱体部分之间的边缘的曲率是重要的，那么需要足够小的尺度来捕获这些细节信息，而在其他不需要细节信息的应用中可选择大尺度。

2、法线估计代码

//估计法线
pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;//实例化一个法线估计的对象
ne.setInputCloud (cloud);//设置输入点云
//创建一个空的kdtree对象，并把它传递给法线估计对象
//基于给出的输入数据集，kdtree将被建立
pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ> ());
ne.setSearchMethod (tree);//设置近邻搜索方式
//输出数据集
pcl::PointCloud<pcl::Normal>::Ptr cloud_normals (new pcl::PointCloud<pcl::Normal>);
//使用半径在查询点周围3厘米范围内的所有邻元素
ne.setRadiusSearch (0.01);
//计算特征值
ne.compute (*cloud_normals);//法线存放至cloud_normals

3、全部代码

#include <iostream>
#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/filters/voxel_grid.h>

int
main ()
 {
//加载点云
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
//体素滤波
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filterd(new pcl::PointCloud<pcl::PointXYZ>);


pcl::io::loadPCDFile ("table_scene_lms400.pcd", *cloud);

    //体素滤波
    pcl::VoxelGrid<pcl::PointXYZ> sor;
    sor.setInputCloud(cloud);
    sor.setLeafSize(0.01,0.01,0.01);
    sor.filter(*cloud_filterd);
    std::cout<<"voxel filter succeed!"<<std::endl;
    std::cerr<<"PointCloud after filtering: "<<cloud_filterd->size()<<" data points ("<<pcl::getFieldsList(*cloud_filterd)<<" )"<<std::endl;//getFieldsList(*cloud_filtered) 获取点的field(类似于维度）

//估计法线
pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;//实例化一个法线估计的对象
ne.setInputCloud (cloud);//设置输入点云
//创建一个空的kdtree对象，并把它传递给法线估计对象
//基于给出的输入数据集，kdtree将被建立
pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ> ());
ne.setSearchMethod (tree);//设置近邻搜索方式
//输出数据集
pcl::PointCloud<pcl::Normal>::Ptr cloud_normals (new pcl::PointCloud<pcl::Normal>);
//使用半径在查询点周围3厘米范围内的所有邻元素
ne.setRadiusSearch (0.01);//如果曲率很重要，则减少这个尺度
//计算特征值
ne.compute (*cloud_normals);//法线存放至cloud_normals
std::cout<<"normals: "<<cloud_normals->points.size()<<std::endl;//法向量的个数
// cloud_normals->points.size ()应该与input cloud_downsampled->points.size ()有相同尺寸
//法线可视化
pcl::visualization::PCLVisualizer viewer("PCL Viewer");
int v1(0),v2(0);
viewer.createViewPort(0,0,0.5,1,v1);
viewer.createViewPort(0.5,0,1,1,v2);
viewer.setBackgroundColor (0.0, 0.0, 0.0,v1);
viewer.setBackgroundColor(0,20,0,v2);
viewer.addPointCloudNormals<pcl::PointXYZ,pcl::Normal>(cloud, cloud_normals,100,0.02,"cloud_mormals",v1);
//viewer.addPointCloudNormals<pcl::PointXYZ,pcl::Normal>(cloud, cloud_normals,v1);
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> singe_color2(cloud_filterd,255,0,0);
viewer.addPointCloud<pcl::PointXYZ>(cloud_filterd,singe_color2,"cloud_filterd",v2);

while (!viewer.wasStopped ())
{
     viewer.spinOnce ();
}

return 0;
}

4、可视化

左侧为估计的法线，右侧为下采样的结果

二、使用积分图进行法线估计

注：积分图法线估计只适用于有序点云

1、积分图法线估计代码

 #include <pcl/features/integral_image_normal.h>//积分图法线估计头文件
             //估计法线
             pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>);
             pcl::IntegralImageNormalEstimation<pcl::PointXYZ, pcl::Normal> ne;//创建一个积分图法线估计对象
             ne.setNormalEstimationMethod (ne.AVERAGE_3D_GRADIENT);//估计方法
             ne.setMaxDepthChangeFactor(0.02f);//最大深度变化系数
             ne.setNormalSmoothingSize(10.0f);//优化法线方向时考虑邻域大小
             ne.setInputCloud(cloud);//输入点云
             ne.compute(*normals);//将结果保存至normals

2、全部代码

 #include <pcl/io/io.h>
 #include <pcl/io/pcd_io.h>
 #include <pcl/features/integral_image_normal.h>
 #include <pcl/visualization/cloud_viewer.h>
     int
     main ()
     {
             //加载点云
             pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
             pcl::io::loadPCDFile ("table_scene_mug_stereo_textured.pcd", *cloud);

             //估计法线
             pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>);
             pcl::IntegralImageNormalEstimation<pcl::PointXYZ, pcl::Normal> ne;//创建一个积分图法线估计对象
             ne.setNormalEstimationMethod (ne.AVERAGE_3D_GRADIENT);//估计方法
             ne.setMaxDepthChangeFactor(0.02f);//最大深度变化系数
             ne.setNormalSmoothingSize(10.0f);//优化法线方向时考虑邻域大小
             ne.setInputCloud(cloud);//输入点云
             ne.compute(*normals);//将结果保存至normals
             //法线可视化
             pcl::visualization::PCLVisualizer viewer("PCL Viewer");
             viewer.initCameraParameters();
             int v1(0);//显示原始数据
             int v2(0);//显示法线估计
             viewer.createViewPort(0,0,0.5,1,v1);
             viewer.createViewPort(0.5,0,1,1,v2);
             viewer.setBackgroundColor (20,20,20,v1);//原始点云
             viewer.setBackgroundColor (0.0, 0.0, 0.5,v2);
             viewer.addPointCloudNormals<pcl::PointXYZ,pcl::Normal>(cloud, normals,100,0.02f,"cloud_normals",v2);//将法线显示在第二个窗口
             viewer.initCameraParameters();
             viewer.addPointCloud<pcl::PointXYZ>(cloud,"cloud_in",v1);//第一个窗口显示原始点云
             viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR,0,156,0,"cloud_in",v1);//原始点云颜色
             while (!viewer.wasStopped ())
             {
               viewer.spinOnce ();
             }
             return 0;
     }

 3、可视化

原数据（必须是有序点云）

法线估计结果