PCL1.8+Win10+VS2017+intel realsense获取平面点云的最小外接矩形

如上图所示,计算某个区域的平面点云的最小外接矩形。

需要注意的是这里是针对平面点云而言的。

具体步骤:

方法1:利用PCL自带的AABB或OBB最小外接矩形的api即可(但貌似并不是严密贴合的最小外接矩形)

方法2:将平面点云transform到与深度相机垂直方向(这就意味着平面点云中点的z值相同),此时可以视平面点云为二维图像,

使用opencv中计算点集的最小外接矩形 :RotatedRect point_box = minAreaRect(points);//点集的最小外接旋转矩形。

说起来一开始我还以为opencv里这个函数只能用在都是正数的二维图像坐标点集上,后来想想最小外接矩形函数的内部逻辑应该是对点集没有限制的。

opencv计算结束后,直接将结果用在点云上即可(如上图右图所示),可以看出外接矩形与点云严密贴合。

 

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
SFM(Structure from Motion)是一种通过从多个相机图像中恢复出场景的三维结构和相机运动的技术。SFM三维重建是SFM技术的一个应用,即通过对多个相机图像进行分析和处理,生成一个精确的三维场景模型。 在SFM三维重建中,BA(Bundle Adjustment)是一个优化方法,用于通过优化相机的位姿和场景的三维结构,以最小化重建误差。在本次回答中,我们使用了一些工具和库来实现SFM三维重建的BA优化。 首先,我们使用VS2015作为开发环境,以便编译和运行我们的代码。其次,我们使用OpenCV3.4,作为我们图像处理和计算机视觉算法的主要库。OpenCV提供了许多用于图像特征提取、匹配和相机校准的函数和类。 此外,我们还使用了PCL(Point Cloud Library)1.8来处理点云数据。PCL是一个广泛使用的库,用于点云处理和三维重建。它提供了许多用于点云滤波、配准和特征提取的算法。 最后,我们使用Ceres Solver来进行BA优化。Ceres Solver是一个用于非线性优化的开源库,它提供了强大的优化算法和工具。在SFM三维重建中,我们使用Ceres Solver来优化相机的位姿和场景的三维结构,以获得更高质量的重建结果。 总之,通过使用VS2015、OpenCV3.4、PCL1.8和Ceres Solver,我们可以实现SFM三维重建的BA优化。这些工具和库提供了许多用于图像处理、点云处理和非线性优化的算法和函数,使我们能够更好地重建三维场景。

“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 1
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

打赏作者

溯夜流云

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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