pcl计算样点法向并显示

利用最小二乘法估计样点表面法向,并显示

#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/features/normal_3d.h>
#include <pcl/surface/gp3.h>
#include <pcl/visualization/pcl_visualizer.h>
int
main (int argc, char** argv)
{
        //加载点云模型
        pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
        // pcl::PCLPointCloud2 cloud_blob;
        if(pcl::io::loadPCDFile<pcl::PointXYZ> ("foot.pcd", *cloud) == -1){
                
                PCL_ERROR("Could not read file \n");
        }
        //* the data should be available in cloud

        // Normal estimation*
        //法向计算
        pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> n;
        pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>);
        //建立kdtree来进行近邻点集搜索
        pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>);
        //为kdtree添加点云数据
        tree->setInputCloud (cloud);
 
        n.setInputCloud (cloud);
        n.setSearchMethod (tree);
        //点云法向计算时,需要搜索的近邻点大小
        n.setKSearch (20);
        //开始进行法向计算
        n.compute (*normals);
        //* normals should not contain the point normals + surface curvatures

        // Concatenate the XYZ and normal fields*
        //将点云数据与法向信息拼接
        pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals (new pcl::PointCloud<pcl::PointNormal>);
        pcl::concatenateFields (*cloud, *normals, *cloud_with_normals);

        /*图形显示模块*/
        //显示设置
        boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer (new pcl::visualization::PCLVisualizer ("3D Viewer"));

        //设置背景色
        viewer->setBackgroundColor (0, 0, 0.7);

        //设置点云颜色,该处为单一颜色设置
        pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> single_color(cloud, 0, 255, 0);

        //添加需要显示的点云数据
        viewer->addPointCloud<pcl::PointXYZ> (cloud, single_color, "sample cloud");

        //设置点显示大小
        viewer->setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "sample cloud");

        //添加需要显示的点云法向。cloud为原始点云模型,normal为法向信息,10表示需要显示法向的点云间隔,即每10个点显示一次法向,5表示法向长度。
        viewer->addPointCloudNormals<pcl::PointXYZ, pcl::Normal> (cloud, normals, 10, 5, "normals");

        //--------------------
        while (!viewer->wasStopped ())
                {
                        viewer->spinOnce (100);
                        boost::this_thread::sleep (boost::posix_time::microseconds (100000));
                }

        // Finish
        return (0);
}

975974-20160905161002504-418456513.png

转载于:https://www.cnblogs.com/bozhicheng/p/5842428.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: pcl 中可以使用 NormalEstimation 和 Visualization 进行点云法向量的估算和显示。 以下是一个简单的示例代码: ```cpp #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/features/normal_3d.h> #include <pcl/visualization/cloud_viewer.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>("sample.pcd", *cloud); // 估算法向pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne; ne.setInputCloud(cloud); pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>()); ne.setSearchMethod(tree); pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>); ne.setRadiusSearch(0.03); ne.compute(*cloud_normals); // 将法向量添加到原始点云中 pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals(new pcl::PointCloud<pcl::PointNormal>); pcl::concatenateFields(*cloud, *cloud_normals, *cloud_with_normals); // 可视化点云和法向pcl::visualization::PCLVisualizer viewer("Point Cloud with Normals"); viewer.addPointCloudNormals<pcl::PointNormal>(cloud_with_normals, 1, 0.01, "normals"); viewer.spin(); return 0; } ``` 其中,`sample.pcd` 是输入的点云数据文件名。在上述代码中,我们首先读取点云数据,然后使用 NormalEstimation 对点云进行法向量估算,将估算得到法向量添加到原始点云中,最后使用 PCLVisualizer 对点云和法向量进行可视化。 ### 回答2: PCL(点云库)是一个专门用于处理点云数据的开源软件库。估算点云法向量是点云处理的一个重要任务,它可以帮助我们理解点云中的几何结构和表面形状。 在PCL中,要估算点云的法向量,可以使用Normal Estimation的功能模块。此模块可以从点云中计算出每个点的法向量,并将其存储为新的点云数据结构。 具体步骤如下: 1. 创建一个PointCloud对象来存储点云数据。 2. 读取点云数据,可以通过读取.pcd文件或者直接通过代码创建点云数据。 3. 创建一个NormalEstimation对象,用于估算法线向量。 4. 为NormalEstimation对象设置输入点云数据。 5. 调用compute方法进行法线向量的估算。 6. 获取估算后的法线向量数据。 7. 可以通过可视化工具(如PCL Visualizer)将法线向量显示出来。 例如,以下是使用PCL估算点云法向量并显示的示例代码: ```cpp #include <pcl/point_cloud.h> #include <pcl/point_types.h> #include <pcl/io/pcd_io.h> #include <pcl/features/normal_3d.h> #include <pcl/visualization/pcl_visualizer.h> #include <pcl/visualization/cloud_viewer.h> int main() { // 创建一个PointCloud对象 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); // 读取点云数据 pcl::PCDReader reader; reader.read<pcl::PointXYZ>("point_cloud.pcd", *cloud); // 创建一个NormalEstimation对象 pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne; // 设置输入点云数据 ne.setInputCloud(cloud); // 创建一个存储法线向量的对象 pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>); // 估算法线向量 ne.compute(*cloud_normals); // 可视化法线向量 pcl::visualization::PCLVisualizer viewer("PCL Viewer"); viewer.setBackgroundColor(0, 0, 0); viewer.addPointCloudNormals<pcl::PointXYZ, pcl::Normal>(cloud, cloud_normals); // 显示点云和法线向量 while (!viewer.wasStopped()) { viewer.spinOnce(); } return 0; } ``` 以上代码示例演示了如何使用PCL库中的Normal Estimation模块来估算点云的法线向量并使用PCL Visualizer进行可视化展示。 ### 回答3: PCL(Point Cloud Library)是一个用于点云处理的开源库,支持估算点云的法向量并进行可视化显示。 在PCL中,估算点云法向量的主要方法有两种:基于平滑处理的方法和基于表面法线计算的方法。 基于平滑处理的方法是一种常用的估算法向量的方法,它使用协方差矩阵来估计每个点的法向量。这种方法利用邻域点的空间关系来平滑噪声,并通过计算协方差矩阵的特征向量来估计每个点的法向量。 基于表面法线计算的方法则是通过计算表面的法线来估算点云的法向量。这种方法通常使用最近邻搜索来寻找点云中的邻域点,并通过计算这些点在法线方向上的差异来估计法向量。 在PCL中,可以使用pcl::NormalEstimation类来进行点云法向量的估算。该类提供了不同的估算方法,例如基于平滑处理的方法(如pcl::IntegralImageNormalEstimation)和基于表面法线计算的方法(如pcl::NormalEstimation)等。 估算出的法向量可以通过PointCloud类的points[i].normal字段来访问。为了将点云的法向量可视化显示,可以使用PCL中的可视化模块,例如pcl::visualization::PCLVisualizer类。该类提供了丰富的可视化功能,可以根据点云的法向量对点云进行颜色编码、绘制法线等操作。 总的来说,使用PCL可以方便地估算点云的法向量,并通过可视化模块将其显示出来,这对于点云处理和分析非常有帮助。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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