PCL之积分图法线估计

积分图像是对有序点云的发现的估计的一种方法。该算法把点云作为一个深度图像，并创建一定的矩形区域来计算法线，考虑到相邻像素关系，而无需建立树形查询结构。因此，它是非常有效的。

代码展示：

#include<string>
#include<iostream>
#include<pcl/io/pcd_io.h>
#include<pcl/point_types.h>
#include<pcl/features/integral_image_normal.h>
#include<pcl/visualization/pcl_visualizer.h>

using namespace std;


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;
    // 法线估计方法: 
    // COVARIANCE_MATRIX:从具体某个点的局部邻域的协方差矩阵创建9个积分图，来计算这个点的法线。
    // AVERAGE_DEPTH_CHANGE:创建了6个积分图来计算水平和垂直方向的平滑后的三维梯度，并使用两个梯度间的向量积计算法线。
    // SIMPLE_3D_GRADIENT: 只创建了一个单一的积分图，并从平均深度变化计算法线。
    ne.setNormalEstimationMethod (ne.AVERAGE_3D_GRADIENT);
    // 设置最大深度变化系数
    ne.setMaxDepthChangeFactor(0.02f);
    // 设置优化法线方向时考虑邻域大小
    ne.setNormalSmoothingSize(10.0f);
    // 设置输入点云，必须为有序点云
    ne.setInputCloud(cloud);
    // 执行法线估计存储结果到normals
    ne.compute(*normals);
    //法线可视化
    pcl::visualization::PCLVisualizer viewer("viewer");
    viewer.setBackgroundColor (0.0, 0.0, 0.5);
    viewer.addPointCloudNormals<pcl::PointXYZ,pcl::Normal>(cloud, normals);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_tr_color_h(cloud, 255, 255, 0);
    viewer.addPointCloud(cloud, cloud_tr_color_h, "raw_cloud");

    while (!viewer.wasStopped ())
    {
      viewer.spinOnce ();
    }
    return 0;
}

效果展示：

 

点云文件下载地址：table_scene_mug_stereo_textured.pcd