PCL对点云进行曲面拟合Surface Fitting(Curve Fitting升维版）

已于 2023-04-24 09:32:19 修改
阅读量845 收藏 3
点赞数
分类专栏： PointCloud点云处理算法 文章标签： c++ 计算机视觉 算法
于 2023-04-15 17:59:17 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43047324/article/details/130172490
版权

1. 使用PCL进行曲面surface拟合

绿色点为原始输入点云，红色曲线和灰色曲面均为拟合结果。
在这里插入图片描述

1.1 使用B-spline样条曲面拟合曲面，如果发现显示窗口未响应，则应该给代码中的viewer.spinOnce()添加参数，如viewer.spinOnce(3000)

1.2 输入点云格式应该是PointXYZ，不能有RGB分量。如果想要改变点云格式，应该将typedef pcl::PointXYZ Point;改为其他点格式，如typedef pcl::PointXYZRGB PointRGB;

1.3 示例代码在以下环境中测试通过：

vs2022 + pcl 1.13.0 推荐使用GitHub下载的all_in_one安装包，推荐同时下载.pdb压缩文件
vs2019 + pcl 1.12或1. 11推荐使用GitHub下载的all_in_one安装包，推荐同时下载.pdb压缩文件

在这里插入图片描述

了解本专栏 订阅专栏 解锁全文
ಥ_ಥLeerorz
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
PCL :实现基于B样条曲线的曲面重建（附完整源码）
希望我的博客，能帮上你解决学习中工作中所遇到的问题
09-24 250
PCL :实现基于B样条曲线的曲面重建（附完整源码）
PCL点云处理之B样条曲线拟合与可视化 （一百五十三）
weixin_44329757的博客
05-09 884
从给定的点云中拟合一个 B 样条曲线并可视化。
CloudCompare——点云二次曲面拟合
点云侠的博客
08-19 8898
使用CloudCompare软件对点云进行二次曲面拟合
C C++最全PCL——B样条曲线曲面拟合_b样条曲面拟合，C C++跨进程通信导论
最新发布
2401_84973733的博客
05-14 712
Refinemen——是求精迭代的次数，其中每插入一个迭代控制点，b样条曲面的每个参数方向上的控制点大约翻倍。//控制点的最大总数。
PCL——B样条曲线曲面拟合
ZHANzhenrong的博客
08-06 1万+
B样条曲线 样条曲线，是B-样条基函数的线性组合，是贝塞尔曲线的一般化。 给定n+1个控制点，P0,P1, …, Pn以及一个节点向量U = { u0,u1, …, um }, p 次B-样条曲线由这些控制点和节点向量U 定义，设Ni,p(u)是第i个 p次B-样条基函数，则p 次B-样条曲线的公式为 设P0、P02、P2是一条抛物线上顺序三个不同的点。过P0和P2点的两切线交于P1点，在P02点的切线交P0P1和P2P1于P01和P11 引入比值为参数t则 将前两个式子代入到第三个式子得到： 二
根据点云拟合nurbs曲面
weixin_45226065的博客
07-09 783
【代码】根据点云拟合nurbs曲面。
PCL中把点云拟合成曲面（附源代码）
qq_29462849的博客
12-21 9049
源代码 #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 Ransac 点云平面拟合 C++
02-25
利用点云库PCL，使用VS2015完成的C++代码，测试文件（.obj）已经在本站上传资源，供大家交流，如有问题欢迎多提宝贵意见 对于不平整表面，利用ransac平面拟合，然后将三维不平整表面近似为一个平面，并将表面上的点...
PCL 点云的圆柱拟合.md
05-19
1、获取点云后的圆柱拟合,整合成一个函数，只需要设置拟合的参数即可。 2、拟合完成后如何得到圆柱的参数。...3、PCL 点云库的圆柱拟合只能获得轴向，轴线上一点 ，提供获得圆柱的起点、终点的思路。
source_人脸点云_点云PCL_PCL点云_pcl_点云PCL_
10-03
例如，可以使用Organized Surface Inspection模块对有序点云进行处理，生成三角网格，便于进行3D建模和渲染。 在这个项目中，"source"可能包含了实现以上功能的源代码，开发者可以通过阅读和理解这些代码，学习如何...
pcl 3d点云数据数据_pcd_10_16.rar
10-16
总结来说，这个压缩包提供的3D点云数据集是PCL库的一个实例应用，包含6个点云文件，适合进行点云处理算法的实验和研究。通过学习和分析这些数据，用户可以深入了解PCL库的功能，提高在点云处理领域的技能。同时，...
用于拟合圆锥和二次曲面的面向对象工具：用于拟合各种圆锥和二次曲面（例如椭圆，圆柱体，球体，平面和直线）的工具集。-matlab开发
05-28
此提交内容提供了一个工具套件，用于拟合2D圆锥（椭圆，圆，直线等）以及3D二次曲面（椭圆，球体，平面，圆柱等）。 每种拟合类型都由类层次结构中的一个对象表示。 对于每种拟合类型，都提供了重载方法来生成嘈杂的测试数据，拟合数据以及对结果进行可视化和后采样。 当前，此工具集并不涵盖圆锥/二次曲面族中的所有曲线/曲面类型。 尽管随着时间的推移我可能会添加更多内容，但我还是从一些似乎最常遇到的内容开始。 同样，工具集使用的大多数拟合算法都是非常基本的代数方法，但是如果表达兴趣，我可能会添加更精细的算法。 这些工具的各种示例用法在“示例”选项卡中进行了说明。
pcl.rar_PCL点云_pcl_点云 PCL_点云 读取
09-24
在本主题中，我们将深入探讨PCL如何进行点云的读取和文件格式转换。 首先，PCL支持多种点云数据格式，如PCD（Point Cloud Data）、PLY（Polygon File Format）、OBJ、STL等。这些格式各有特点，例如，PCD是PCL专有...
二次曲面拟合计算点云法曲率、主曲率以及平均曲率（手写版）
qq_48694523的博客
11-26 2311
采用KD树结构对点云数据建立k领域。在散乱点参数化的基础上,对k领域内的点进行二次曲面拟合,求出拟合平面的平均曲率、主曲率以及高斯曲率，为点云特征提取分类 提供后续支撑，手写版
基于图像的三维重建与基于三维点云数据的曲面拟合
满城风絮
04-07 3万+
侧影轮廓线三维重建 此类方法是使用一系列物体的轮廓线条构成三维形体。当物体的部分表面无法在轮廓联机展现时，重建后将丢失三维信息。常见的方式是将待测物放置于电动转盘上，每次旋转一小角度后拍摄其图像，再经由图像处理技巧去除背景并取出轮廓线条，搜集各角度之轮廓线后即可“刻画”成三维模型。 参考： http://blog.csdn.net/dream_tingness
（曲率系列2：）Paper6：Curvature Estimation of 3D Point Cloud Surfaces Through the Fitting of Normal
m0_37957160的博客
10-16 962
文献下载链接： 简单说明原理就是：用一个点邻域内点的法向量计算该点的法曲率，根据欧拉公式得法曲率与主曲率的关系，最后用最小二乘优化得到主曲率。（通过拟合正截面曲率估算三维点云曲面的曲率，正截面曲率就是法曲率） 不管他概念说的有多抽象，反正最终处理的只是数学上定义的xyz的三维坐标而已。 问：就这个啊，i表示p点周围的邻域是从1到m，那么n没有具体含义就是表示与法线有关的计算？，n是法线我知道，我的意思就是这里的下标n没有变化，不像i一样从1到m的变化，n就一直是n，是为了说明法曲率的计算是与法线有
【Matlab】离散点拟合曲面
热门推荐
TomRen
12-19 4万+
Matlab中可以使用interp函数和griddata函数来实现插值，从而得到拟合曲面 从曲面上采样 离散点拟合曲面 1.离散点采样 为了获取离散点，首先需要从某个特定的曲面上采样。 其中利用数学的方法，就是先生成采样曲线的x-y坐标，并根据曲面方程获取对应的z值； %我们以螺旋采样为例 %构建采样的坐标点x-y theta = 0:0.025*pi:10*pi; r7 = 0 + 0....
CloudCompare&PCL 基于B样条曲线的曲面重建
dayuhaitang1的博客
06-18 1228
该方法的大致过程如下所示： （1）利用主成分分析法PCA对B样条曲面进行初始化，该步骤是假设输入的点云数据有两个主方向，如近似平面的形状采样。 （2）对初始化后的B样条曲面进行拟合和迭代优化。 （3）利用圆形来初始化B样条曲线，该过程假设点云是紧凑的，即没有空间分离的聚类。 （4）对初始化的B样条曲线进行拟合。 （5）三角化通过B样条曲线裁剪得到的B样条曲面，得到拟合的最终曲面模型。...
PCL 最小二乘拟合多项式曲线
点云侠的博客
12-22 3593
PCL 点云最小二乘拟合多项式曲线
PCL对点云进行平面拟合 代码
05-04
PCL（Point Cloud Library）是一个非常流行的点云处理库，其中包含了许多点云处理的算法和工具函数。下面是使用PCL对点云进行平面拟合的示例代码： ```cpp #include <pcl/point_types.h> #include <pcl/features/normal_3d.h> #include <pcl/sample_consensus/method_types.h> #include <pcl/sample_consensus/model_types.h> #include <pcl/segmentation/sac_segmentation.h> pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); // Fill in the cloud data cloud->width = 15; cloud->height = 1; cloud->points.resize (cloud->width * cloud->height); for (size_t i = 0; i < cloud->points.size (); ++i) { cloud->points[i].x = 1024 * rand () / (RAND_MAX + 1.0f); cloud->points[i].y = 1024 * rand () / (RAND_MAX + 1.0f); cloud->points[i].z = 1.0; } // Create the normal estimation class, and pass the input dataset to it pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne; ne.setInputCloud (cloud); // Create an empty kdtree representation, and pass it to the normal estimation object. // Its content will be filled inside the object, based on the given input dataset (as no other search surface is given). pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ> ()); ne.setSearchMethod (tree); // Output datasets pcl::PointCloud<pcl::Normal>::Ptr cloud_normals (new pcl::PointCloud<pcl::Normal>); // Use all neighbors in a sphere of radius 3cm ne.setRadiusSearch (0.03); // Compute the features ne.compute (*cloud_normals); // Create the segmentation object for the planar model and set all the parameters pcl::SACSegmentationFromNormals<pcl::PointXYZ, pcl::Normal> seg; seg.setOptimizeCoefficients (true); seg.setModelType (pcl::SACMODEL_PLANE); seg.setMethodType (pcl::SAC_RANSAC); seg.setMaxIterations (1000); seg.setDistanceThreshold (0.01); seg.setInputCloud (cloud); seg.setInputNormals (cloud_normals); // Obtain the plane inliers and coefficients pcl::ModelCoefficients::Ptr coefficients (new pcl::ModelCoefficients); pcl::PointIndices::Ptr inliers (new pcl::PointIndices); seg.segment (*inliers, *coefficients); // Print the model coefficients std::cerr << "Model coefficients: " << coefficients->values[0] << " " << coefficients->values[1] << " " << coefficients->values[2] << " " << coefficients->values[3] << std::endl; ``` 这段代码的主要作用是随机生成一个包含15个点的点云，然后使用PCL对点云进行平面拟合。具体步骤如下： 1. 创建一个PointCloud对象，并随机生成15个点。 2. 创建一个NormalEstimation对象，并设置输入点云和搜索方法。 3. 创建一个PointCloud对象，用于存储法线。 4. 设置法线估计的参数，并计算法线。 5. 创建一个SACSegmentationFromNormals对象，并设置模型类型、方法类型、最大迭代次数和距离阈值等参数。 6. 设置输入点云和法线，执行平面拟合。 7. 输出平面拟合的模型系数。 需要注意的是，这里使用的是SACSegmentationFromNormals算法，是基于法线的平面拟合，因此需要先计算法线。如果不需要计算法线，可以使用SACSegmentation算法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

ಥ_ಥLeerorz

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

实付元
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