PCL入门<六>使用Region growing进行平面分割

最新推荐文章于 2024-09-27 11:59:18 发布

蒙特卡洛家的树

最新推荐文章于 2024-09-27 11:59:18 发布

阅读量5.6k

点赞数 1

分类专栏： PCL

本文链接：https://blog.csdn.net/u011021773/article/details/78941196

版权

本文介绍了如何使用PCL的区域增长方法进行平面分割。通过计算点云的法线，算法能有效检测和区分平面。虽然在处理多个复杂平面时效果可能不理想，但对于单一或特定规格平面的分割，该方法表现出高准确性。

摘要由CSDN通过智能技术生成

很多时候我们需要分割平面，检测每个平面，这个时候可以使用PCL自带的区域增长方法。

话不多说直接上代码：

  pcl::search::Search<pcl::PointXYZ>::Ptr tree = boost::shared_ptr<pcl::search::Search<pcl::PointXYZ> > (new pcl::search::KdTree<pcl::PointXYZ>);
  pcl::PointCloud <pcl::Normal>::Ptr normals (new pcl::PointCloud <pcl::Normal>);
  pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimator;
  normal_estimator.setSearchMethod (tree);
  normal_estimator.setInputCloud (cloud);
  normal_estimator.setKSearch (50);
  normal_estimator.compute (*normals);

  pcl::RegionGrowing<pcl::PointXYZ, pcl::Normal> reg;
  reg.setMinClusterSize (50);
  reg.setMaxClusterSize (1000000);
  reg.setSearchMethod (tree);
  reg.setNumberOfNeighbours (30);
  reg.setInputCloud (cloud);
  //reg.setIndices (indices);
  reg.setInputNormals (normals);
  reg.setSmoothnessThreshold (3.0 / 180.0 * M_PI);
  reg.setCurvatureTh