PCL实现泊松表面重建

简介：
泊松表面重建是一种隐函数的重构方法。通过定义模型内部的值大于零, 模型外部它的值小于零, 然后提取值为零的等值面, 直接地重构逼近表面。
泊松表面重建的算法融合了全局和局部方法的优点，采取隐性拟合的方式，通过求解泊松方程来取得点云模型所描述的表面信息代表的隐性方程，通过对该方程进行等值面提取，从而得到具有几何实体信息的表面模型。优点在于，重建出的模型具有水密性的封闭特征，具有良好的几何表面特性和细节特性。

/** Filename: Poisson_reconstruction

 ** Date: 2018-3-29

 **Description: 

**/

#include "stdafx.h"
#include <iostream>
#include <string>

#include <pcl\io\pcd_io.h>
#include <pcl\io\ply_io.h>

#include <pcl\point_types.h>

#include <pcl\kdtree\kdtree_flann.h>
#include <pcl\features\normal_3d.h>
#include <pcl\features\normal_3d_omp.h>

#include <pcl\surface\poisson.h>
#include <pcl\surface\gp3.h>

#include <pcl\visualization\cloud_viewer.h>
#include <pcl\visualization\pcl_visualizer.h>

//多线程
#include <boost\thread\thread.hpp>

#include <vector>
using namespace std;

struct Node
{
	float x;
	float y;
	float z;
	float i;
	float j;
	float k;
};

int _tmain(int argc, _TCHAR* argv[])
{
	pcl::PointCloud<pcl::PointXYZ> ::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

	ifstream in0;
	in0.open("FanBlade.asc",ios::in);
	if(!in0.is_open())
	{
		cout<<"error open!"<<endl;
		system("pause");
		return -1;
	}
	vector<Node> points;
	points.clear();
	Node tmp;
	while(in0>>tmp.x>>tmp.y>>tmp.z>>tmp.i>>tmp.j>>tmp.k)
		points.push_back(tmp);
	pcl::PointXYZ cltmp;

	for(size_t i = 0 ;i<points.size();++i)
	{
		cltmp.x = points[i].x; 
		cltmp.y = points[i].y; 
		cltmp.z = points[i].z; 
		cloud->points.push_back(cltmp); 
	}
	//pcl::io::loadPCDFile("rabbit.pcd ",*cloud);

	cout << cloud->points.size() << endl;  

	// 计算法向量
	pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals(new pcl::PointCloud<pcl::PointNormal>); //法向量点云对象指针
	pcl::NormalEstimation<pcl::PointXYZ , pcl::Normal> n ;//法线估计对象
	pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>) ;//存储估计的法线的指针
	pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>) ;
	tree->setInputCloud(cloud) ;
	n.setInputCloud(cloud) ;
	n.setSearchMethod(tree) ;
	n.setKSearch(20);
	n.compute(*normals); //计算法线，结果存储在normals中

	//将点云和法线放到一起
	pcl::concatenateFields(*cloud , *normals , *cloud_with_normals) ;

	//创建搜索树
	pcl::search::KdTree<pcl::PointNormal>::Ptr tree2(new pcl::search::KdTree<pcl::PointNormal>) ;
	tree2->setInputCloud(cloud_with_normals) ;
	//创建Poisson对象，并设置参数
	pcl::Poisson<pcl::PointNormal> pn ;
	pn.setConfidence(false); //是否使用法向量的大小作为置信信息。如果false，所有法向量均归一化。
	pn.setDegree(2); //设置参数degree[1,5],值越大越精细，耗时越久。
	pn.setDepth(8); //树的最大深度，求解2^d x 2^d x 2^d立方体元。由于八叉树自适应采样密度，指定值仅为最大深度。
	pn.setIsoDivide(8); //用于提取ISO等值面的算法的深度
	pn.setManifold(false); //是否添加多边形的重心，当多边形三角化时。 设置流行标志，如果设置为true，则对多边形进行细分三角话时添加重心，设置false则不添加
	pn.setOutputPolygons(false); //是否输出多边形网格（而不是三角化移动立方体的结果）
	pn.setSamplesPerNode(9); //设置落入一个八叉树结点中的样本点的最小数量。无噪声，[1.0-5.0],有噪声[15.-20.]平滑
	pn.setScale(1.25); //设置用于重构的立方体直径和样本边界立方体直径的比率。
	pn.setSolverDivide(8); //设置求解线性方程组的Gauss-Seidel迭代方法的深度

	//设置搜索方法和输入点云
	pn.setSearchMethod(tree2);
	pn.setInputCloud(cloud_with_normals);
	//创建多变形网格，用于存储结果
	pcl::PolygonMesh mesh ;
	//执行重构
	pn.performReconstruction(mesh);

	//保存网格图
	pcl::io::savePLYFile("FanBlade.ply", mesh);

	// 显示结果图
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D viewer")) ;
	viewer->setBackgroundColor(0.5, 0.5 ,1) ;
	viewer->addPolygonMesh(mesh , "Blade") ;
	viewer->addCoordinateSystem (50.0);
	viewer->initCameraParameters();
	while (!viewer->wasStopped()){
		viewer->spinOnce(100) ;
		boost::this_thread::sleep(boost::posix_time::microseconds(100000)) ;
	}
	system("pause");
	return 0;
}