PCL: Surface模块之GreedyProjectionTriangulation表面重建

最新推荐文章于 2022-05-12 18:16:00 发布
最新推荐文章于 2022-05-12 18:16:00 发布
阅读量1w 收藏 51
点赞数 13
分类专栏： Point Cloud Library(点云库) 文章标签： C++ PointCloudLibrary surface 三维重建 点云
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/u012337034/article/details/37924523
版权
本文介绍了如何使用PCL库中的GreedyProjectionTriangulation类进行三维点云表面重建。讨论了该算法的参数设置、功能及对点云质量的要求，包括设置搜索半径、最小和最大角度等。通过调整参数展示了不同重建效果，并提供了源代码示例。
摘要由CSDN通过智能技术生成

参考文献：

        关于此类的详细信息和学术上的理论推导大家可以查看ZoltanCsaba Marton的文章“On Fast SurfaceReconstruction Methods for Large and Noisy Point Clouds”。

用法小结：

        顾名思义，这是个三角网格算法，对离散点云进行三维重建。通过阅读上述文献和不断的实验，我来分享一下使用此类的一些心得：

  1. 当然使用此类之前最好还是阅读一下上述文章，这对了解算法的流程和参数的意义很重要。
  2. 实际上此类是上述文章中所提供方法的一个阉割版本，在使用此类的过程中我发现其鲁棒性并没有那么强，甚至可以说相当的脆弱。
  3. PCL官网上的原话“处理无组织的点云，对局部平滑和密度平滑变化的点云有很好的效果”（英语吃力，多多谅解）。
  4. 三角网格之前需要进行法向量估计，点云需要光顺处理，此类对点云的和法向量的质量要求非常的高。
       总之，由于种种制约，我认为此类只适合粗略的重建（可以粗略看下结果）；但若非得使用此类，那么对点云的预处理就会显得相当重要，当然随之而来的是巨大的工作量。

详细介绍：

参数输入输出口：

          此类由基类MeshConstruction派生，生成对象的方式也很简单，如下：

最低0.47元/天 解锁文章
步子小不扯淡
关注
  • 13
    点赞
  • 踩
  • 51
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
PCL点云库GreedyProjectionTriangulation用法demo
07-18
PCL版本为1.6.0 all in one IDE为 VS2010 本demo实现了GPT的用法，压缩包里有点云样本和参考文献，成功实现了点云的三维重建。
PCL系列——三维重构之贪婪三角投影算法
热门推荐
张学志の博客
04-01 1万+
PCL系列 PCL系列——读入PCD格式文件操作 PCL系列——将点云数据写入PCD格式文件 PCL系列——拼接两个点云 PCL系列——从深度图像(RangeImage)中提取NARF关键点 PCL系列——如何可视化深度图像 PCL系列——如何使用迭代最近点法（ICP）配准 PCL系列——如何逐渐地配准一对点云 PCL系列——三维重构之泊松重构 PCL系列——三维重构之贪婪三角投影算法 说明通过本教
PCL中GreedyProjection三角化算法简介与示例
baidu_35536188的博客
05-12 3206
总结
PCL之贪婪三角化（理解，入门）
aishuirenjia的博客
10-24 5518
无序点云的快速三角化： 本教程解释了如何在点云上运行一个带有法线的greedy surface triangulation algorithm贪婪曲面三角剖分算法，以获得一个基于局部邻域投影的 triangle mesh 三角形网格。 背景： 算法 和 参数 该方法的工作方式是维护一个可以生长mesh网格的 list of points 点的列表（“frin...
pcl:点云库（PCL）
05-12
点云库 网站 新网站现已在在线，并且可以 :hammer_and_wrench: 。... 有关如何使用PCL的一般问题，请考虑使用以下替代方法之一： 问答以及对故障排除，安装和调试的支持。 请记住使用标签point-cloud-library标记您的
泊松重建_泊松重建_形貌_pcl泊松重构_
10-02
PCL（Point Cloud Library）是一个强大的C++库，它提供了各种处理三维点云数据的工具和算法，包括点云的获取、处理、滤波、分割、配准、形状分析以及像泊松重建这样的表面重建方法。在PCL中，泊松重建的实现是基于...
pcl：自制pcd标准球板点云文件
最新发布
09-01
在点云处理领域，PCL（Point Cloud Library）是一个强大的开源库，提供了众多处理3D点云数据的算法。本文将深入探讨如何使用PCL来自制PCD（Point Cloud Data）标准球板点云文件，并结合Cloud Compare工具进行点云...
pcl surface
07-08
PCL库中的surface模块对表面重建进行了重构，它通过一个（加权的）邻域来近似底层表面，基于法线切线上的高度图，查询点被投影到这个高度图上。所使用的函数的复杂性（和法线估算的复杂性）决定了精确度和运行时间。...
pcl三维重建斯坦福兔子——贪婪投影三角化算法
qq_41843732的博客
08-27 5947
新建一个win32项目，在源文件输入以下代码 //据说pcl还有其他三维重建算法，比如泊松possion、NURBS曲面、此文是贪婪投影三角化算法(GreedyProjectionTriangulation) #include "stdafx.h" #include<iostream> #include <pcl/io/pcd_io.h> //PCL的PCD格式文件...
PCL点云库GridProjection用法demo
07-21
PCL版本为1.6.0 all in one IDE为 VS2010 本demo实现了GP的用法，压缩包里有点云样本和参考文献，成功实现了点云的三维重建。
surface reconstruction
12-02
surface reconstruction
On Fast Surface Reconstruction Methods for Large and Noisy Point Clouds
06-08
In this paper we present a method for fast surface reconstruction from large noisy datasets. Given an unorganized 3D point cloud, our algorithm recreates the underlying surface’s geometrical properties using data resampling and a robust triangulation algorithm in near realtime. For resulting smooth surfaces, the data is resampled with variable densities according to previously estimated surface curvatures. Incremental scans are easily incorporated into an existing surface mesh, by determining the respective overlapping area and reconstructing only the updated part of the surface mesh. The proposed framework is flexible enough to be integrated with additional point label information, where groups of points sharing the same label are clustered together and can be reconstructed separately, thus allowing fast updates via triangular mesh decoupling. To validate our approach, we present results obtained from laser scans acquired in both indoor and outdoor environments.
pcl_range_image + greedy_projection
yamgyutou的博客
03-19 335
深度图像的研究重点主要集中在以下几个方面，深度图像的分割技术 ，深度图像的边缘检测技术 ，基于不同视点的多幅深度图像的配准技术，基于深度数据的三维重建技术，基于三维深度图像的三维目标识别技术，深度图像的多分辨率建模和几何压缩技术等等，在PCL 中深度图像与点云最主要的区别在于其近邻的检索方式的不同，并且可以互相转换。 壹、range_image_creation 代码及详解参考...
PCL: Surface模块之GridProjection表面重建
宫保鸡丁
07-21 4673
参考文献： 关于此类的详细信息和学术上的理论推导大家可以查看RuosiLi的文章“Polygonizing Extremal Surfaces with ManifoldGuarantees”。
【pcl学习笔记】使用 ProjectInliers 滤波器进行三维点云投射二维平面
weixin_42208807的博客
11-20 1125
将点云投射到平面，平面方程： ax + by +cz + d = 0; #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/ModelCoefficients.h> #include <pcl/filters/project_inliers.h> #include <pcl/visualization/clou
【PCL学习：无序点云的快速三角化】
qq_42222110的博客
05-01 2695
目录 1. 贪婪投影三角化算法 2. class pcl: :GreedyProjectionTriangulation< PointlnT> 3.测试实例 结果显示： 1. 贪婪投影三角化算法 将三维点通过法线投影到某一平面，然后对投影得到的点云作平面内的三角化，从而得到各点的连接关系。在平面区域三角化的过程中用到了基于 Delaunay 的 空间区域增长算法，该方法通过选取一个样本三角片作为初始曲面，不断扩张曲面边界，最后形成一张完整的三角网格曲面。最后根...
利用MarchingCubesGreedy进行曲面重建
37度专栏
08-09 2952
// Normal estimation* pcl::search::KdTree::Ptr tree (new pcl::search::KdTree); tree->setInputCloud(mls_points); pcl::NormalEstimation n; n.setInputCloud(mls_points); n.setSearchMetho
PCL学习：无序点云的快速三角化
zfjBIT的专栏
07-10 5317
1. 贪婪投影三角化算法 将三维点通过法线投影到某一平面，然后对投影得到的点云作平面内的三角化，从而得到各点的连接关系。在平面区域三角化的过程中用到了基于 Delaunay 的 空间区域增长算法，该方法通过选取一个样本三角片作为初始曲面，不断扩张曲面边界，最后形成一张完整的三角网格曲面。最后根据投影点云的连接关系确定各原始三维点间的拓扑连接，所得三角格网即为重建得到的曲面模型。 ...
#include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/surface/gp3.h> int main(int argc, char** argv) { // 读取点云数据 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); pcl::io::loadPCDFile<pcl::PointXYZ>("fw/00.pcd", *cloud); // 创建重建对象 pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>); pcl::PolygonMesh triangles; pcl::GreedyProjectionTriangulation<pcl::PointXYZ> gp3; // 设置参数 gp3.setSearchRadius(0.025); gp3.setMu(2.5); gp3.setMaximumNearestNeighbors(100); gp3.setMaximumSurfaceAngle(M_PI/4); gp3.setMinimumAngle(M_PI/18); gp3.setMaximumAngle(2*M_PI/3); gp3.setNormalConsistency(false); // 执行重建 tree->setInputCloud(cloud); gp3.setInputCloud(cloud); gp3.setSearchMethod(tree); gp3.reconstruct(triangles); // 将 pcl::PolygonMesh 转换为 pcl::PCLPointCloud2 pcl::PCLPointCloud2 cloud2; pcl::toPCLPointCloud2(triangles, cloud2); // 保存结果 pcl::io::savePCDFile("fw/01.pcd", cloud2); return 0; } 这个代码报错：error: no matching function for call to ‘toPCLPointCloud2(pcl::PCLPointCloud2&, pcl::PCLPointCloud2&)’ pcl::toPCLPointCloud2(triangles.cloud, cloud2);如何修改，修改发给我
06-03
根据错误提示，`toPCLPointCloud2`函数的参数类型不匹配。`triangles`是`pcl::PolygonMesh`类型，而`toPCLPointCloud2`函数要求的第一个参数是`pcl::PointCloud`类型，因此需要将`triangles`转换成点云类型后再进行转换。 以下是修改后的代码： ```cpp #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/surface/gp3.h> int main(int argc, char** argv) { // 读取点云数据 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); pcl::io::loadPCDFile<pcl::PointXYZ>("fw/00.pcd", *cloud); // 创建重建对象 pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>); pcl::PolygonMesh triangles; pcl::GreedyProjectionTriangulation<pcl::PointXYZ> gp3; // 设置参数 gp3.setSearchRadius(0.025); gp3.setMu(2.5); gp3.setMaximumNearestNeighbors(100); gp3.setMaximumSurfaceAngle(M_PI/4); gp3.setMinimumAngle(M_PI/18); gp3.setMaximumAngle(2*M_PI/3); gp3.setNormalConsistency(false); // 执行重建 tree->setInputCloud(cloud); gp3.setInputCloud(cloud); gp3.setSearchMethod(tree); gp3.reconstruct(triangles); // 将 pcl::PolygonMesh 转换为 pcl::PointCloud pcl::PointCloud<pcl::PointXYZ> cloud_mesh; pcl::fromPCLPointCloud2(triangles.cloud, cloud_mesh); // 将 pcl::PointCloud 转换为 pcl::PCLPointCloud2 pcl::PCLPointCloud2 cloud2; pcl::toPCLPointCloud2(cloud_mesh, cloud2); // 保存结果 pcl::io::savePCDFile("fw/01.pcd", cloud2); return 0; } ``` 这个代码将`triangles`先转换成`pcl::PointCloud`类型，再通过`fromPCLPointCloud2`函数将其转换成`pcl::PCLPointCloud2`类型，就可以成功保存结果了。
评论 5
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
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