PCL实现用区域生长算法寻找点云中的平面Region Growing

已于 2023-06-16 15:29:10 修改
阅读量702 收藏 2
点赞数
分类专栏： PointCloud点云处理算法 文章标签： 算法 c++ 聚类 计算机视觉
于 2023-06-16 15:24:18 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/131246551
版权
本文介绍了使用PCL库通过区域生长算法在点云数据中寻找平面的方法。算法通过比较点云中点的像素值或深度值，将相似点归为同一区域，以找出平面部分。虽然该算法依赖于种子点选择，易受噪声影响，但能有效进行平面检测。文章包含算法效果预览、原理和实现代码。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1. 算法效果预览

效果图：途中红色区域和绿色区域是计算得到的平面区域。
在这里插入图片描述

下图为原始点云。
在这里插入图片描述

2. 区域生长算法原理

区域生长算法主要的算法原理是某一点的近邻点如果与该点像素值/深度值相似，则应该属于同一个特定的区域中，如平面。
常用的算法流程就是：设定一个种子点，比较近邻点的像素值/深度值，如果像素值/深度值比较结果满足某个区域划定标准，那么这个近邻点跟种子点就属于同一个区域。迭代点云/图像中的所有种子点，重复执行上述操作。直到所有点都有一个所属的区域时，这个迭代过程就完成了。
算法缺点：需要手动指定种子集合，确定哪些点作为种子点，最后生成的区域取决于种子的选择，且当种子点被噪声污染时，会导致最后区域生长结果出问题。

3.代码


                

                
                
        

    

  


        

            

                

                

                了解本专栏
                
                
                  
                订阅专栏 解锁全文
                 
            

        


    


                



	

		

			

				
					
改进的区域生长算法在点云中提取平面

				
			

			

				

					FqLibrary的博客
				

				

					09-29
					
					536
					
				

			

		

		

			
				
该算法首先通过种子点初始化区域生长过程，然后根据设定的阈值，逐步将与种子点距离在阈值范围内的邻域点添加到平面中。最终，返回一个表示平面的逻辑数组，其中平面上的点为真，其他点为假。在本文中，我们将介绍如何使用改进的区域生长算法从点云数据中提取平面。通过使用改进的区域生长算法，我们可以从点云数据中提取平面，这对于三维物体的分析和理解具有重要意义。你可以根据实际需求和数据特点，调整阈值和种子点的选择，以达到更好的平面提取效果。点云数据是由大量的三维点组成的集合，通常用于表示物体的形状和表面几何信息。

			
		

	



                

            
              



	

		

			

				
					
CloudCompare&PCL 提取点云中的面、线特征（PCA算法）

				
			

			

				

					dayuhaitang1的博客
				

				

					08-26
					
					4044
					
				

			

		

		

			
				
CloudCompare&PCL 提取点云中的面、线特征（PCA算法）

			
		

	



              


  
              

                


	

		

			

				
					
PCL点云点选+区域生长：

				
			

			

				

					hpu_lx
				

				

					08-14
					
					1870
					
				

			

		

		

			
				
#include <iostream>
#include <vector>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/visualization/pcl_visualizer.h>
#include "region_growing.h"
bo...

			
		

	





	

		

			

				
					
使用PCL提取平面的方式

				
			

			

				

					zhengshunkai的博客
				

				

					07-11
					
					9433
					
				

			

		

		

			
				
本文主要总结了几种提取平面的方式,算法的原理就不细说了.
1.RANSAC
循环提取平面,直到小于20个点.
void groundRemoval(pcl::PointCloud<pcl::PointXYZ>::Ptr in,int& pl_num)
{

    pcl::PointCloud<pcl::PointXYZ>::Ptr in_totle(new pc...

			
		

	



		

			
		



	

		

			

				
					
PCL 点云中的平面点云提取

				
			

			

				

					weixin_43896283的博客
				

				

					05-01
					
					692
					
				

			

		

		

			
				
平面点云提取：是指从点云数据中提取出属于平面的点的过程。

			
		

	





	

		

			

				
					
PCL平面检测SAC

				
			

			

				

					com1098247427的博客
				

				

					10-23
					
					1025
					
				

			

		

		

			
				
平面检测

			
		

	





	

		

			

				
					
PCL 点云区域生长分割

				
			

			

				

					weixin_43896283的博客
				

				

					06-16
					
					440
					
				

			

		

		

			
				
区域生长分割（RegionGrowing）:是一种改进的ICP（Iterative Closest Point）算法，用于处理3D点云配准问题，特别是在存在噪声、外点（不匹配点）或数据分布不均等复杂情况下。
基本思想：首先依据点的曲率值对点进行排序，之所以排序是因为区域生长算法是从曲率最小的点开始生长的，这个点就是初始种子点，初始种子点所在的区域即为最平滑的区域，一般场景中平面区域较大，这样从最平滑的区域开始生长可减少分割区域的总数，提高效率。

			
		

	





	

		

			

				
					
PCL 点云分割 区域生长分割算法及源代码

				
			

			

				

					hgaohr1021的博客
				

				

					07-12
					
					2037
					
				

			

		

		

			
				
【代码】PCL 点云分割  区域生长分割算法及源代码。

			
		

	





	

		

			

				
					
PCL 基于点云RGB颜色的区域生长算法

				
			

			

				

					weixin_43896283的博客
				

				

					07-01
					
					517
					
				

			

		

		

			
				
点云RGB颜色区域生长算法: 是一个基于RGB颜色信息的区域生长算法，用于点云分割。该算法利用了点云中相邻点之间的颜色相似性来将点云分割成不同的区域。

			
		

	





	

		

			

				
					
基于区域生长算法的点云分割（pcl::RegionGrowing）

				
			

			

				

					A_L_A_N
				

				

					06-27
					
					4843
					
				

			

		

		

			
				
算法原理：



算法流程：



代码：


#include <iostream>
#include <vector>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/search/search.h>
#include <pcl/se...

			
		

	





	

		

			

				
					
PCL入门<六>使用Region growing进行平面分割

				
			

			

				

					念去去的博客
				

				

					12-31
					
					5674
					
				

			

		

		

			
				
很多时候我们需要分割平面，检测每个平面，这个时候可以使用PCL自带的区域增长方法。话不多说直接上代码：  pcl::search::Search&lt;pcl::PointXYZ&gt;::Ptr tree = boost::shared_ptr&lt;pcl::search::Search&lt;pcl::PointXYZ&gt; &gt; (new pcl::search::KdTree&lt...

			
		

	





	

		

			

				
					
PCL教程-点云分割之区域生长分割算法

					
热门推荐

				
			

			

				

					DayDayUp
				

				

					09-09
					
					1万+
					
				

			

		

		

			
				
Inputs:

Point cloud=

Point normals=

Points curvatures=



Neighbour finding function



Curvature threshold



Angle threshold







Initialize:

Region list



Available points list



Algorithm:

While



is not emptydo



Current re...

			
		

	





	

		

			

				
					
PCL点云分割：基于区域生长的分割算法

				
			

			

				

					PixelLogic的博客
				

				

					08-15
					
					1528
					
				

			

		

		

			
				
点云是由大量离散的点组成的数据集合，每个点包含了空间位置、法向量等信息。点云分割是其中的核心任务之一，旨在将点云中的点按照语义或几何属性进行划分，实现对不同对象的识别和分离。本文将介绍基于区域生长的PCL点云分割算法，并提供相应的源代码。基于区域生长的PCL点云分割算法可以实现对点云数据的自动划分，为后续的三维场景分析和对象识别提供了重要的基础。区域生长是一种基于种子点的点云分割算法，在每个种子点周围逐步生长区域，直到满足停止条件为止。PCL点云分割：基于区域生长的分割算法。一、点云分割的背景和意义。

			
		

	





	

		

			

				
					
读取txt文本数据，用区域生长方法分割求平面

				
			

			

				

					gbz3300255的博客
				

				

					02-11
					
					266
					
				

			

		

		

			
				
代码如下。有几处特殊说明再代码中注明了。

读取的txt文本就是3D点云数据。形式如下：

0.1， 0.3， 0.9

1.0 ，1.3 ，1.1

0.3， 0.4， 0.6



上面的数据计算由LSD中公式得来。已知图像坐标，点的逆深度值，求其3D

坐标公式如下：

 // D * (u,v,1)*K逆 = 1/(1/D)* (u*fx_inv + cx_inv, v...

			
		

	





	

		

			

				
					
PCL区域增长分割：自动检测和分割点云中的区域

				
			

			

				

					CyberSparkZ的博客
				

				

					08-17
					
					218
					
				

			

		

		

			
				
该算法是PCL库中强大的点云处理工具之一，可广泛应用于自动检测和分割点云中的区域。PCL（点云库）是一个强大的开源软件库，提供了许多用于处理和分析点云数据的算法。其中，PCL区域增长分割算法被广泛应用于自动检测和分割点云中的区域。1.3 区域生长：从种子点开始，逐步添加与其邻接的点，形成一个区域。1.2 邻域搜索：对每个未处理的点，通过搜索其邻域内的其他点来确定其邻接关系。PCL区域增长分割算法基于点云中的点之间的邻接关系来组合形成具有相似属性的点集，从而实现点云的自动分割。

			
		

	





	

		

			

				
					
PCL下使用区域增长算法进行点云平面分割的实现

				
			

			

				

					uranus1992的博客
				

				

					10-15
					
					3649
					
				

			

		

		

			
				
首先求解三维点云的法线和曲率
这里要注意要让法线朝向一致，运用的是视点与法线夹角是锐角的方法

可以看见算法很好的分离了桌面，因为桌面的法线一致性很好，但地面的噪点就比较多了，划分的效果也是不太好

查看输出，输出了138个面，这就是曲率，法线的阀值没设好，后期进行改善，并输出面

...

			
		

	





	

		

			

				
					
Matlab 改进区域生长算法提取平面

				
			

			

				

					dayuhaitang1的博客
				

				

					07-19
					
					640
					
				

			

		

		

			
				
Matlab 改进区域生长算法提取平面

			
		

	





	

		

			

				
					
PCL点云中的平面提取及代码实现

				
			

			

				

					UePostscript的博客
				

				

					09-29
					
					864
					
				

			

		

		

			
				
点云平面提取是指识别和提取点云数据中的平面结构。在PCL中，可以使用RANSAC（Random Sample Consensus，随机采样一致性）算法实现点云平面提取。其中，点云平面提取是一个常见的任务，它可以识别和提取点云数据中的平面结构。本文将介绍PCL中的点云平面提取原理，并提供相应的代码实现。点云平面提取是通过RANSAC算法识别和提取点云中的平面结构。代码实现包括读取点云数据、设置分割器参数、执行平面提取、提取平面内点并保存结果。如果内点集合的大小大于给定阈值，重新拟合平面模型，并更新内点集合。

			
		

	





	

		

			

				
					
C++点云区域生长利用PCL库

				
			

			

				

					weixin_42156097的博客
				

				

					12-21
					
					862
					
				

			

		

		

			
				
描述
利用PCL库进行点云区域生长
代码
代码中的部分参数，还是要根据你的点云数据的实际情况，进行更改的。


举例子，代码中有这样两句话
pass.setFilterFieldName ("z"); 
pass.setFilterLimits (-1000, 1000); 

按照相机的z轴方向过滤点，由于我的点单位是mm，所以是-1米到1米，如果你的点云单位是米，上面的参数很显然应该是-1和1


完整的main.cpp


#include <iostream>

//点云需要的头文件
#

			
		

	





	

		

			

				
					
区域生长算法分割点云matlab

					
最新发布

				
			

			

				

					02-24
				

			

		

		

			
				
### 使用 Matlab 实现基于区域生长算法的点云分割

#### 区域生长算法简介
区域生长是一种常用的图像处理和计算机视觉技术，通过将具有相似属性（如颜色、纹理或距离）的像素聚类成一个连通区域来完成目标检测或分割任务。对于三维数据集中的点云来说，该方法同样适用，在此过程中会考虑空间邻近性和特征一致性。

#### 基于区域生长的点云分割流程
为了在Matlab中实现这一过程，通常遵循如下逻辑框架：

1. **初始化种子点选取**
   需要定义初始条件下的若干个中心位置作为起始节点，这些可以随机挑选也可以依据特定规则设定[^2]。
   
2. **计算局部特性差异度量标准**
   对每一个候选扩展对象与其周围邻居之间的关系进行量化评估，比如欧式距离或其他更复杂的衡量方式，以此判断两者间是否存在足够的相似性以便合并入同一类别内[^3].

3. **迭代更新边界直至收敛**
    不断重复上述操作直到满足终止准则为止；此时所有符合条件的新成员都被吸纳进来形成最终版面状结构体——即被分隔出来的独立子集群组[^4].

以下是具体的Matlab代码实例用于展示如何执行这样的运算:

```matlab
% 加载点云文件并预览原始形态
ptCloud = pcread('teapot.ply');
figure;
pcshow(ptCloud);
title('Original Point Cloud');

% 设置参数控制阈值大小以及最小簇数目限制
minDistance = 0.05; % 定义两个相邻点之间允许的最大间距
minNumPoints = 100; % 设定单个区域内至少应含有的有效样本数量下限

% 应用RegionGrowing函数来进行实际切割工作
labels = regiongrowing(ptCloud, minDistance, minNumPoints);

% 可视化结果显示不同标签所对应的各个部分
labelColorIndex = labels + 1;
cmap = jet(max(labels)+1); 
caxis([1 max(labelColorIndex)]);
figure;
pcshow(ptCloud.Location,labelColorIndex);
title(['Point Cloud with ',num2str(numel(unique(labels))),' Segments']);
colormap(cmap);
colorbar;

```

这段程序首先读取了一个名为`teapot.ply` 的PLY格式点云文档，并将其可视化呈现出来供观察者直观感受整体轮廓特点。接着指定了两项重要配置项：一是用来界定两处实体能否归属于同一个集合的关键指标 `minDistance`;二是确保每一片断内部具备足够多元素构成有意义几何形状的要求 `minNumPoints`.最后调用了内置工具箱提供的专门针对此类应用场景设计的功能模块 `regiongrowing()` 来达成预期目的，同时借助色彩编码手段辅助理解所得成果的具体分布状况。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		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