利用三维模型生成点云总结

285 篇文章 55 订阅
261 篇文章 14 订阅

在做三维的深度学习时,可以利用已有的CAD模型得到点云数据

1.利用pcl库

pcl库中有多个函数可以实现模型的读入和点云的生成。
I/O模块下有三个函数可以载入数据:

pcl::io::loadPCDFile()
pcl::io::loadOBJFile()
pcl::io::loadPLYFile()

同时tools模块下就包含了两个转换函数obj2pcdply2pcd
其中obj2pcd的实现代码如下:

int
main (int argc, char** argv)
{
  print_info ("Convert a OBJ file to PCD format. For more information, use: %s -h\n", argv[0]);

  if (argc < 3)
  {
    printHelp (argc, argv);
    return (-1);
  }

  // Parse the command line arguments for .pcd and .obj files
  std::vector<int> pcd_file_indices = parse_file_extension_argument (argc, argv, ".pcd");
  std::vector<int> obj_file_indices = parse_file_extension_argument (argc, argv, ".obj");
  if (pcd_file_indices.size () != 1 || obj_file_indices.size () != 1)
  {
    print_error ("Need one input OBJ file and one output PCD file.\n");
    return (-1);
  }

  // Load the OBJ file
  TicToc tt;
  print_highlight ("Loading "); print_value ("%s ", argv[obj_file_indices[0]]);

  // Load the input file
  vtkSmartPointer<vtkPolyData> polydata;
  vtkSmartPointer<vtkOBJReader> reader = vtkSmartPointer<vtkOBJReader>::New ();
  reader->SetFileName (argv[obj_file_indices[0]]);
  reader->Update ();
  polydata = reader->GetOutput ();
  print_info ("[done, "); print_value ("%g", tt.toc ()); print_info (" ms : "); print_value ("%d", polydata->GetNumberOfPoints ()); print_info (" points]\n");

  bool copy_normals = false;
  parse_argument (argc, argv, "-copy_normals", copy_normals);
  PCL_INFO ("Copy normals: %s.\n", copy_normals ? "true" : "false");

  if (copy_normals)
  {
    vtkSmartPointer<vtkPolyDataNormals> ng = vtkSmartPointer<vtkPolyDataNormals>::New ();
#if VTK_MAJOR_VERSION < 6
    ng->SetInput (polydata);
#else
    ng->SetInputData (polydata);
#endif
    ng->ComputePointNormalsOn ();
    ng->ComputeCellNormalsOff ();
    ng->Update ();
    polydata = ng->GetOutput ();

    pcl::PointCloud<pcl::PointNormal> cloud;
    vtkPolyDataToPointCloud (polydata, cloud);
    // Convert to pcd and save
    saveCloud (argv[pcd_file_indices[0]], cloud);
  }
  else
  { 
    pcl::PointCloud<pcl::PointXYZ> cloud;
    vtkPolyDataToPointCloud (polydata, cloud);
    // Convert to pcd and save
    saveCloud (argv[pcd_file_indices[0]], cloud);
  }

  return (0);
}

ply2pcd代码实现如下:

//https://github.com/PointCloudLibrary/pcl/tree/master/tools
int
main (int argc, char** argv)
{
  print_info ("Convert a PLY file to PCD format. For more information, use: %s -h\n", argv[0]);

  if (argc < 3)
  {
    printHelp (argc, argv);
    return (-1);
  }

  // Parse the command line arguments for .pcd and .ply files
  std::vector<int> pcd_file_indices = parse_file_extension_argument (argc, argv, ".pcd");
  std::vector<int> ply_file_indices = parse_file_extension_argument (argc, argv, ".ply");
  if (pcd_file_indices.size () != 1 || ply_file_indices.size () != 1)
  {
    print_error ("Need one input PLY file and one output PCD file.\n");
    return (-1);
  }

  // Command line parsing
  bool format = 1;
  parse_argument (argc, argv, "-format", format);
  print_info ("PCD output format: "); print_value ("%s\n", (format ? "binary" : "ascii"));

  // Load the first file
  pcl::PCLPointCloud2 cloud;
  if (!loadCloud (argv[ply_file_indices[0]], cloud)) 
    return (-1);

  // Convert to PLY and save
  saveCloud (argv[pcd_file_indices[0]], cloud, format);

  return (0);
}
2.使用深度图恢复点云

如果在有深度图的情况下,可以使用相机的内参来获取点云数据,下面是利用pcl库的简单算法(from Dominik13993)
tips数据集:
华盛顿大学300个家庭常见物体
斯坦福三维扫描数据集

//详细解释:http://www.pcl-users.org/Getting-strange-results-when-moving-from-depth-map-to-point-cloud-tt4025104.html#a4025141

//core process
pointcloud.width = width; 
pointcloud.height = height; 
pointcloud.points.resize (pointcloud.height * pointcloud.width); 

int* depth_data = new int[pointcloud.height * pointcloud.width]; 
//copy the depth values of every pixel in here 

register float constant = 1.0f / 525; 
register int centerX = (pointcloud.width >> 1); 
int centerY = (pointcloud.height >> 1); 
register int depth_idx = 0; 
for (int v = -centerY; v < centerY; ++v) 
{ 
        for (register int u = -centerX; u < centerX; ++u, ++depth_idx) 
        { 
                pcl::PointXYZ& pt = pointcloud.points[depth_idx]; 
                pt.z = depth_data[depth_idx] * 0.001f; 
                pt.x = static_cast<float> (u) * pt.z * constant; 
                pt.y = static_cast<float> (v) * pt.z * constant; 
        } 
} 
pointcloud.sensor_origin_.setZero (); 
pointcloud.sensor_orientation_.w () = 0.0f; 
pointcloud.sensor_orientation_.x () = 1.0f; 
pointcloud.sensor_orientation_.y () = 0.0f; 
pointcloud.sensor_orientation_.z () = 0.0f; 
3.利用渲染工具

TODO from Sharon

4.点云数据库

参考:三维点云数据集总结

在这里插入图片描述
icon from easyicon


ref:
pcl:http://pointclouds.org/documentation/
pcl.cn:http://www.pclcn.org
zhihu:https://www.zhihu.com/question/37577447

MeshLab是一款用于处理三维模型点云数据的开源软件。它提供了丰富的功能,可以生成三维模型,同时也可以将三维模型转换为点云数据。 在MeshLab中,我们可以导入点云数据,点云数据是由大量的点组成的三维数据集。通过点云数据,我们可以获取物体的表面形状和结构。导入点云数据后,我们可以对点云数据进行处理和编辑。 在生成三维模型方面,MeshLab提供了多种算法和工具。我们可以使用点云重建算法将点云数据转换为三维模型点云重建算法可以根据点云数据中的点的位置和属性,重新构建出模型的表面形状。通过调整算法的参数,我们可以获得不同精度和复杂度的三维模型。 此外,MeshLab还支持多种三维模型点云数据的处理和编辑功能。我们可以对模型进行修改、平滑、切割、连接等操作,以调整模型的形状和结构。同时,我们还可以进行纹理映射、颜色调整、材质设置等操作,以增强模型的外观效果。 最后,MeshLab可以将处理后的三维模型导出为各种常见的文件格式,如PLY、OBJ、STL等。这些文件格式可以被其他三维建模软件和可视化工具所支持,方便我们在其他平台上使用和展示生成三维模型。 总之,MeshLab是一款强大的工具,可以通过点云数据生成三维模型,并提供丰富的功能用于处理和编辑三维模型。无论是研究者、设计师还是艺术家,都可以利用MeshLab进行三维模型生成和处理。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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