PCL、halcon中的smooth_object_model_3d以及MLS

Σίσυφος1900

已于 2023-06-14 10:21:04 修改

阅读量431

点赞数 1

分类专栏： C++ PCL halcon 文章标签： 3d 数学建模 matlab

于 2023-06-09 09:50:46 首次发布

本文链接：https://blog.csdn.net/weixin_39354845/article/details/131120900

版权

halcon 同时被 3 个专栏收录

64 篇文章 83 订阅

订阅专栏

PCL

56 篇文章 17 订阅

订阅专栏

C++

48 篇文章 5 订阅

订阅专栏

文章探讨了Halcon库中的`smooth_object_model_3d`函数和平面最小二乘法（MLS）在3D对象模型平滑中的应用，以及PCL库中对应的MLS平滑和上采样方法。通过不同参数设置展示了MLS如何改变点云数据，包括点位置的调整和法向量的计算。平滑处理用于减少噪声，而上采样用于增加点密度。

摘要由CSDN通过智能技术生成

一、halcon平滑

smooth_object_model_3d

smooth_object_model_3d( : : ObjectModel3D, Method, GenParamName, GenParamValue : SmoothObjectModel3D)

halcon 代码:

dev_update_off ()
dev_close_window ()
HeightWindow := 400
WidthWindow := 400
dev_open_window (0, 0, HeightWindow, WidthWindow, 'black', WindowHandle1)
set_display_font (WindowHandle1, 16, 'mono', 'true', 'false')
Instructions := 'Rotate: Left button'
Instructions[1] := 'Zoom: Shift + left button'
Instructions[2] := 'Move: Ctrl + left button'
VisPose:=[-114.848, 90.4942, -245.079, 293.321, 348.313, 20.4772, 0]
read_object_model_3d ('test.ply', 'm', [], [], ObjectModel3D1, Status)
smooth_object_model_3d (ObjectModel3D1, 'mls', 'mls_kNN',60, SmoothObjectModel3D)
Title := 'Original'
visualize_object_model_3d (WindowHandle1, [ObjectModel3D1,SmoothObjectModel3D], [], VisPose, ['color', 'point_size'], ['white', 2], Title, [], Instructions, VisPose)

* 
smooth_object_model_3d (ObjectModel3D1, 'mls', 'mls_force_inwards','true', SmoothObjectModel3D2)
visualize_object_model_3d (WindowHandle1, [ObjectModel3D1,SmoothObjectModel3D2], [], VisPose, ['color', 'point_size','disp_normals'], ['white', 2, 'true' ], Title, [], Instructions, VisPose)

smooth_object_model_3d (ObjectModel3D1, 'mls', 'mls_force_inwards','false', SmoothObjectModel3D2_1)
visualize_object_model_3d (WindowHandle1, [ObjectModel3D1,SmoothObjectModel3D2_1], [], VisPose, ['color', 'point_size','disp_normals'], ['white', 2, 'false'], Title, [], Instructions, VisPose)



smooth_object_model_3d (ObjectModel3D1, 'mls', 'mls_abs_sigma',1.1, SmoothObjectModel3D3)
visualize_object_model_3d (WindowHandle1, [ObjectModel3D1,SmoothObjectModel3D3], [], VisPose, ['color', 'point_size'], ['white', 2], Title, [], Instructions, VisPose)


smooth_object_model_3d (ObjectModel3D1, 'mls', 'mls_abs_sigma',0.1, SmoothObjectModel3D4)
visualize_object_model_3d (WindowHandle1, [ObjectModel3D1,SmoothObjectModel3D4], [], VisPose, ['color', 'point_size'], ['white', 2], Title, [], Instructions, VisPose)

结论：

smooth_object_model_3d 中点不会少，但是会改变一些点的位置

二、MLS 移动最小二乘法 PCL

1、平滑

// mls 平滑
int  MLSsmooth(pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud_in, int PolynomialOrder, float Radius,pcl::PointCloud<pcl::PointXYZRGBNormal>::Ptr mls_cloud)
{
	if (cloud_in->size()<1 || Radius<0)
	{
		return  -1;
	}
	if (PolynomialOrder>3|| PolynomialOrder<1) 
	{
		PolynomialOrder = 2;
	}
	pcl::search::KdTree<pcl::PointXYZRGB>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZRGB>);
	tree->setInputCloud(cloud_in);
	pcl::MovingLeastSquares < pcl::PointXYZRGB, pcl::PointXYZRGBNormal > mls;
	mls.setComputeNormals(true);  // 是否计算法向量
	mls.setInputCloud(cloud_in);
	//_________________________________
	//mls.setUpsamplingMethod(,); //  上采样的方法
	//mls.setUpsamplingRadius(0.1);  // 函数规定了点云增长的区域。可以这样理解：把整个点云按照此半径划分成若干个子点云，然后一一索引进行点云增长。
	//mls.setUpsamplingStepSize()//对于每个子点云处理时迭代的步长
	//_________________________________
	mls.setPolynomialFit(false);  // 是否使用多项式拟合
	mls.setPolynomialOrder(PolynomialOrder);// 默认是2
	mls.setSearchMethod(tree);
	mls.setSearchRadius(Radius);   // 搜到半径
	mls.process(*mls_cloud);
	return 0;
}

移动最小二乘法MLS（Moving Lest Squares）简要介绍_Figure 09的博客-CSDN博客

https://www.cnblogs.com/zzk0/p/10468502.html

2、上采样

// mls 上采样
int  MLS_Upsampling(pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud_in, int PolynomialOrder,
	float searchRadius, float upsamping_radius, float step_size,pcl::PointCloud<pcl::PointXYZRGB>::Ptr mls_cloud)
{
	if (cloud_in->size()<1 )
	{
		return  -1;
	}
	pcl::MovingLeastSquares<pcl::PointXYZRGB, pcl::PointXYZRGB> mls;
	mls.setInputCloud(cloud_in);
	// 搜索树
	pcl::search::KdTree<pcl::PointXYZRGB>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZRGB>);
	tree->setInputCloud(cloud_in);
	mls.setSearchMethod(tree);
	mls.setUpsamplingMethod(pcl::MovingLeastSquares<pcl::PointXYZRGB,pcl::PointXYZRGB>::SAMPLE_LOCAL_PLANE);
	mls.setSearchRadius(searchRadius);
	// 设置上采用的半径
	mls.setUpsamplingRadius(upsamping_radius);
	// 设置步长的大小
	mls.setUpsamplingStepSize(step_size);

	mls.process(*mls_cloud);

	return 0;
}

上采用并计算法向量：


// mls 上采样并计算法向量
int  MLS_UpsamplingWithNormal(pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud_in, int PolynomialOrder,int tPointDensity,
	float searchRadius, float upsamping_radius, float step_size,pcl::PointCloud<pcl::PointXYZRGBNormal>::Ptr mls_cloud)
{
	if (cloud_in->size()<1)
	{
		
		return  -1;
	}

	if (cloud_in->size()<1)
	{
		return  -1;
	}
	pcl::MovingLeastSquares<pcl::PointXYZRGB, pcl::PointXYZRGBNormal> mls;
	mls.setInputCloud(cloud_in);
	// 搜索树
	pcl::search::KdTree<pcl::PointXYZRGB>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZRGB>);
	tree->setInputCloud(cloud_in);
	mls.setSearchMethod(tree);
	mls.setComputeNormals(true);  // 计算法向量
	mls.setPolynomialFit(true);   // 拟合
	mls.setPolynomialOrder(PolynomialOrder); // 设置阶数
	mls.setPointDensity(tPointDensity);
	mls.setUpsamplingMethod(pcl::MovingLeastSquares<pcl::PointXYZRGB, pcl::PointXYZRGBNormal>::SAMPLE_LOCAL_PLANE);
	mls.setSearchRadius(searchRadius);
	// 设置上采用的半径
	mls.setUpsamplingRadius(upsamping_radius);
	// 设置步长的大小
	mls.setUpsamplingStepSize(step_size);
	mls.process(*mls_cloud);

	return  0;
}