PCL入门<八> RANSAC的实现

最新推荐文章于 2024-08-12 20:16:57 发布

蒙特卡洛家的树

最新推荐文章于 2024-08-12 20:16:57 发布

阅读量1w

点赞数 5

分类专栏： PCL

本文链接：https://blog.csdn.net/u011021773/article/details/80059826

版权

本文介绍了如何在PCL中应用RANSAC算法进行平面检测。通过示例代码详细阐述了PCL中涉及的关键变量，如输入点云、输出索引以及不同模型类型，如平面、直线等，并讨论了如何通过extract方法迭代找出所有平面。

摘要由CSDN通过智能技术生成

之前发国一篇文章讲解了ransac的基本原理，PCL也有相应的代码的实现，今天来讲以下如何使用。

先看PCL官网的示例：

#include <iostream>
#include <pcl/ModelCoefficients.h>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/sample_consensus/method_types.h>
#include <pcl/sample_consensus/model_types.h>
#include <pcl/segmentation/sac_segmentation.h>
#include <pcl/filters/extract_indices.h>

int
 main (int argc, char** argv)
{
  
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

  // Fill in the cloud data
  cloud->width  = 15;
  cloud->height = 1;
  cloud->points.resize (cloud->width * cloud->height);

  // Generate the data
  for (size_t i = 0; i < cloud->points.size (); ++i)
  {
  
    cloud->points[i].x = 1024 * rand () / (RAND_MAX + 1.0f);
    cloud->points[i].y = 1024 * rand () / (RAND_MAX + 1.0f);
    cloud->points[i].z = 1.0;
  }

  // Set a few outliers
  cloud->points[0].z = 2.0;
  cloud->points[3].z = -2.0;
  cloud