python ransac 拟合平面,PCL利用RANSAC自行拟合分割平面,

本文介绍了如何使用PCL库通过RANSAC算法进行平面拟合和分割。在实践中,作者遇到分割效果不佳、点云索引理解困难等问题,并分享了自定义分割方法来处理这些问题。文章探讨了智能指针实例化和点云有序无序状态等技术细节,期望能得到社区的帮助和交流。
摘要由CSDN通过智能技术生成

PCL利用RANSAC自行拟合分割平面,

利用PCL中分割算法、

pcl::SACSegmentation<:pointxyz> seg;

,不利用法线参数,只根据模型参数得到的分割面片,与想象的面片差距很大,

1 pcl::ModelCoefficients::Ptr coefficients (newpcl::ModelCoefficients ());2 pcl::PointIndices::Ptr inliers (newpcl::PointIndices ());3 //创建分割对象

4 pcl::SACSegmentation<:pointxyz>seg;5 //可选

6 seg.setOptimizeCoefficients (true);7 //必选

8 seg.setModelType (pcl::SACMODEL_PLANE);9 seg.setMethodType (pcl::SAC_RANSAC);10 seg.setMaxIterations (1000);11 seg.setDistanceThreshold (0.05);

后我采用RANSAC拟合的方法,进行面片的分割

1 std::vector inliers; //存储局内点集合的点的索引的向量2

3 //进行RANSAC平面拟合

4 pcl::SampleConsensusModelPlane::Ptr model_p(new pcl::SampleConsensusModelPlane(cloud)); //针对平面模型的对象

5 pcl::RandomSampleConsensusransacP(model_p);6 ransacP.setDistanceThreshold(.1); //与平面距离小于0.1的点作为局内点考虑

7 ransacP.computeModel

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