PCL三维重建

给算法爸爸上香

已于 2023-05-10 23:18:00 修改

阅读量1.9k

点赞数 2

分类专栏： 3D reconstruction PCL 文章标签： PCL 三维重建

于 2023-01-12 23:35:45 首次发布

本文链接：https://blog.csdn.net/taifyang/article/details/128668045

版权

PCL 同时被 2 个专栏收录

26 篇文章

订阅专栏

3D reconstruction

5 篇文章

订阅专栏

贪婪三角投影法

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/io/ply_io.h>  
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/radius_outlier_removal.h>
#include <pcl/filters/statistical_outlier_removal.h>
#include <pcl/surface/mls.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/features/normal_3d.h>
#include <pcl/surface/gp3.h>


int main(int argc, char** argv)
{
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::io::loadPCDFile("bunny.pcd", *cloud);

	// 统计滤波
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::StatisticalOutlierRemoval<pcl::PointXYZ> statisOutlierRemoval;
	statisOutlierRemoval.setInputCloud(cloud);
	statisOutlierRemoval.setMeanK(10);
	statisOutlierRemoval.setStddevMulThresh(3.0);
	statisOutlierRemoval.filter(*cloud_filtered);
	pcl::io::savePCDFile("cloud_filtered.pcd", *cloud_filtered);

	// 对点云重采样  
	pcl::search::KdTree<pcl::PointXYZ>::Ptr treeSampling(new pcl::search::KdTree<pcl::PointXYZ>);
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_mls(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointXYZ> mls;
	mls.setComputeNormals(true);
	mls.setInputCloud(cloud_filtered);
	mls.setPolynomialOrder(2);
	mls.setSearchMethod(treeSampling);
	mls.setSearchRadius(0.01f);
	mls.process(*cloud_mls);
	pcl::io::savePCDFile("cloud_mls.pcd", *cloud_mls);

	// 法线估计
	pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> n;
	pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
	pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
	tree->setInputCloud(cloud_mls);
	n.setInputCloud(cloud_mls);
	n.setSearchMethod(tree);
	n.setKSearch(10);
	n.compute(*normals);

	//连接字段
	pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals(new pcl::PointCloud<pcl::PointNormal>);
	pcl::concatenateFields(*cloud_mls, *normals, *cloud_with_normals);
	pcl::search::KdTree<pcl::PointNormal>::Ptr tree2(new pcl::search::KdTree<pcl::PointNormal>);
	tree2->setInputCloud(cloud_with_normals);

	// 贪心投影三角化
	pcl::GreedyProjectionTriangulation<pcl::PointNormal> gp3;   // 定义三角化对象
	pcl::PolygonMesh triangles; //存储最终三角化的网络模型
	gp3.setSearchRadius(0.01f);  //设置搜索时的半径，也就是KNN的球半径
	gp3.setMu(3);  //设置样本点搜索其近邻点的最远距离为2.5倍（典型值2.5-3），这样使得算法自适应点云密度的变化
	gp3.setMaximumNearestNeighbors(100);    //设置样本点最多可搜索的邻域个数，典型值是50-100
	gp3.setMinimumAngle(0); //设置三角化后得到的三角形内角的最小的角度
	gp3.setMaximumAngle(M_PI); //设置三角化后得到的三角形内角的最大角度
	gp3.setMaximumSurfaceAngle(M_PI); //设置某点法线方向偏离样本点法线的最大角度，如果超过，连接时不考虑该点
	gp3.setNormalConsistency(false);  //设置该参数为true保证法线朝向一致，设置为false的话不会进行法线一致性检查
	gp3.setInputCloud(cloud_with_normals);     //设置输入点云为有向点云
	gp3.setSearchMethod(tree2);   //设置搜索方式
	gp3.reconstruct(triangles);  //重建提取三角化

	pcl::io::savePLYFile("bunny.ply", triangles);

	return 0;
}

在这里插入图片描述

移动立方体法

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/io/ply_io.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/features/normal_3d.h>
#include <pcl/surface/marching_cubes_hoppe.h>
#include <pcl/surface/marching_cubes_rbf.h>


int main(int argc, char** argv)
{
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::io::loadPCDFile("bunny.pcd", *cloud);

	//法线估计
	pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> n;
	pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
	pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
	tree->setInputCloud(cloud);
	n.setInputCloud(cloud);
	n.setSearchMethod(tree);
	n.setKSearch(10);
	n.compute(*normals);

	//连接字段
	pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals(new pcl::PointCloud<pcl::PointNormal>);
	pcl::concatenateFields(*cloud, *normals, *cloud_with_normals);

	//初始化MarchingCubes对象，设置参数
	pcl::MarchingCubes<pcl::PointNormal>* mc = new pcl::MarchingCubesHoppe<pcl::PointNormal>();

	//创建搜索树
	pcl::search::KdTree<pcl::PointNormal>::Ptr tree2(new pcl::search::KdTree<pcl::PointNormal>);
	tree2->setInputCloud(cloud_with_normals);
	mc->setInputCloud(cloud_with_normals);

	//设置MarchingCubes对象的参数
	mc->setIsoLevel(0.001f); //该方法设置要提取表面的iso级别
	mc->setGridResolution(100, 100, 100); //用于设置行进立方体网格分辨率
	mc->setPercentageExtendGrid(0.001f); //该参数定义在点云的边框和网格限制之间的网格内应该保留多少自由空间

	//创建多变形网格，用于存储结果
	pcl::PolygonMesh mesh;
	mc->reconstruct(mesh); //执行重构，结果保存在mesh中
	pcl::io::savePLYFile("bunny.ply", mesh); //保存网格图

	return 0;
}

在这里插入图片描述

泊松重建

#include <iostream>
#include <string>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/io/ply_io.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/features/normal_3d_omp.h>
#include <pcl/features/normal_3d.h>
#include <pcl/surface/gp3.h>
#include <pcl/surface/poisson.h>
#include <pcl/visualization/pcl_visualizer.h>


int main(int argc, char** argv)
{
	pcl::PointCloud <pcl::PointXYZ> ::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); 
	pcl::io::loadPCDFile("bunny.pcd", *cloud);

	// 计算法向量
	pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> n;
	pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
	pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
	tree->setInputCloud(cloud);
	n.setInputCloud(cloud);
	n.setSearchMethod(tree);
	n.setKSearch(10);
	n.compute(*normals); 

	//连接字段
	pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals(new pcl::PointCloud<pcl::PointNormal>);
	pcl::concatenateFields(*cloud, *normals, *cloud_with_normals);

	//创建搜索树
	pcl::search::KdTree<pcl::PointNormal>::Ptr tree2(new pcl::search::KdTree<pcl::PointNormal>);
	tree2->setInputCloud(cloud_with_normals);

	//创建Poisson对象，并设置参数
	pcl::Poisson<pcl::PointNormal> pn;
	pn.setConfidence(true); //是否使用法向量的大小作为置信信息。如果false，所有法向量均归一化。
	pn.setDegree(2); //设置参数degree[1,5],值越大越精细，耗时越久。
	pn.setDepth(8); //树的最大深度，求解2^d x 2^d x 2^d立方体元。由于八叉树自适应采样密度，指定值仅为最大深度。
	pn.setIsoDivide(8); //用于提取ISO等值面的算法的深度
	pn.setManifold(true); //是否添加多边形的重心，当多边形三角化时。 设置流行标志，如果设置为true，则对多边形进行细分三角话时添加重心，设置false则不添加
	pn.setOutputPolygons(true); //是否输出多边形网格（而不是三角化移动立方体的结果）
	pn.setSamplesPerNode(1.0f); //设置落入一个八叉树结点中的样本点的最小数量。无噪声，[1.0-5.0],有噪声[15.-20.]平滑
	pn.setScale(1.0f); //设置用于重构的立方体直径和样本边界立方体直径的比率。
	pn.setSolverDivide(8); //设置求解线性方程组的Gauss-Seidel迭代方法的深度
	pn.setSearchMethod(tree2); //设置搜索方法
	pn.setInputCloud(cloud_with_normals); //设置输入点云

	pcl::PolygonMesh mesh; 	//创建多变形网格，用于存储结果
	pn.performReconstruction(mesh); //执行重构
	pcl::io::savePLYFile("bunny.ply", mesh); //保存网格图

	return 0;
}