点云库PCL学习笔记 -- 点云滤波Filtering -- 5.从一个点云中提取子集

---

1.从一个点云中提取子集代码

从一个点云中提取子集代码extract_indices.cpp

#include <iostream>
#include <pcl/ModelCoefficients.h>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/sample_consensus/method_types.h>
#include <pcl/sample_consensus/model_types.h>
#include <pcl/segmentation/sac_segmentation.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/extract_indices.h>

int
main (int argc, char** argv)
{
  //定义并实例化一个PointCloud指针对象，申明滤波前后的点云
  pcl::PCLPointCloud2::Ptr cloud_blob (new pcl::PCLPointCloud2), cloud_filtered_blob (new pcl::PCLPointCloud2);
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered (new pcl::PointCloud<pcl::PointXYZ>), cloud_p (new pcl::PointCloud<pcl::PointXYZ>), cloud_f (new pcl::PointCloud<pcl::PointXYZ>);

  //读取PCD文件
  pcl::PCDReader reader;
  reader.read ("table_scene_lms400.pcd", *cloud_blob);		//读取点云文件中的数据到 cloud 对象，table_scene_lms400.pcd 文件与该cpp文件在同一级目录下

  std::cerr << "PointCloud before filtering: " << cloud_blob->width * cloud_blob->height << " data points." << std::endl;

  //创建体素栅格下采样: 下采样的大小为1cm
  pcl::VoxelGrid<pcl::PCLPointCloud2> sor;		//创建 VoxelGrid 体素栅格滤波对象
  sor.setInputCloud (cloud_blob);				//设置输入的原始采样点云数据
  sor.setLeafSize (0.01f, 0.01f, 0.01f);		//设置采样的体素大小为 1cm 立方体
  sor.filter (*cloud_filtered_blob);			//执行滤波处理，存储滤波后的输出点云 cloud_filtered_blob

  //转换为模板点云
  pcl::fromPCLPointCloud2 (*cloud_filtered_blob, *cloud_filtered);

  std::cerr << "PointCloud after filtering: " << cloud_filtered->width * cloud_filtered->height << " data points." << std::endl;

  //保存采样后的点云
  pcl::PCDWriter writer;
  writer.write<pcl::PointXYZ> ("table_scene_lms400_downsampled.pcd", *cloud_filtered, false);

  pcl::ModelCoefficients::Ptr coefficients (new pcl::ModelCoefficients ());
  pcl::PointIndices::Ptr inliers (new pcl::PointIndices ());
  
  // Create the segmentation object
  pcl::SACSegmentation<pcl::PointXYZ> seg;		//创建分割对象
  // Optional
  seg.setOptimizeCoefficients (true);			//设置对估计的模型参数进行优化处理
  // Mandatory
  seg.setModelType (pcl::SACMODEL_PLANE);		//设置分割模型类别
  seg.setMethodType (pcl::SAC_RANSAC);			//设置用哪个随机参数估计方法
  seg.setMaxIterations (1000);					//设置最大迭代次数
  seg.setDistanceThreshold (0.01);				//设置判断是否为模型内点的距离阈值

  //设置ExtractIndices的实际参数
  pcl::ExtractIndices<pcl::PointXYZ> extract;

  int i = 0, nr_points = (int) cloud_filtered->size ();		//点云总数
  // While 30% of the original cloud is still there
  while (cloud_filtered->size () > 0.3 * nr_points)
  {
    //为了处理点云包含的多个模型，在一个循环中执行该过程并在每次模型被提取后，保存剩余的点进行迭代
    //将最大的平面部件从剩余的云中分割出来
    seg.setInputCloud (cloud_filtered);
    seg.segment (*inliers, *coefficients);
    if (inliers->indices.size () == 0)
    {
      std::cerr << "Could not estimate a planar model for the given dataset." << std::endl;
      break;
    }

    // Extract the inliers
    extract.setInputCloud (cloud_filtered);
    extract.setIndices (inliers);
    extract.setNegative (false);
    extract.filter (*cloud_p);
    std::cerr << "PointCloud representing the planar component: " << cloud_p->width * cloud_p->height << " data points." << std::endl;

    std::stringstream ss;
    ss << "table_scene_lms400_plane_" << i << ".pcd";
    writer.write<pcl::PointXYZ> (ss.str (), *cloud_p, false);

    // Create the filtering object
    extract.setNegative (true);
    extract.filter (*cloud_f);
    cloud_filtered.swap (cloud_f);
    i++;
  }

  return (0);
}

---

2. 编译文件

设置编译文件CMakeLists.txt

cmake_minimum_required(VERSION 2.8 FATAL_ERROR)

project(extract_indices)
find_package(PCL 1.2 REQUIRED)

include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})

add_executable (extract_indices extract_indices.cpp)
target_link_libraries (extract_indices ${PCL_LIBRARIES})

---

编译

mkdir build
cd build/
cmake ..
make

---

3. 测试

执行程序

cd ..
./build/extract_indices

结果如下：

• 未开始滤波时，工程文件的目录如下所示。
  目录中的table_scene_lms400.pcd原始文件与extract_indices.cpp文件在同一级目录下。
  
  使用pcl_viewer -fc 0,200,200 table_scene_lms400.pcd查看table_scene_lms400.pcd文件，如下所示：
  （-fc 0,200,200）是设置点云颜色的相关参数：颜色参数为（0,200,200）
  

• 开始执行程序后
  相关的输出信息
  
  文件目录变化如下所示，程序运行完成后会生成一个经过体素栅格滤波器过滤的table_scene_lms400_downsampled.pcd保存的点云文件、两个经过分割处理的table_scene_lms400_plane_0.pcd保存的平面点云文件和table_scene_lms400_plane_1.pcd保存的平面点云文件。
  

• 使用pcl_viewer -fc 0,200,200 table_scene_lms400_downsampled.pcd查看table_scene_lms400_downsampled.pcd文件，如下所示：
  可以很清楚的看到，该点云文件相比之前的原始数据文件密集度降低了很多。
  

• 使用pcl_viewer -fc 0,200,200 table_scene_lms400_downsampled.pcd查看table_scene_lms400_plane_0.pcd文件和table_scene_lms400_plane_0.pcd，如下所示：
  可以很清楚的看到，被分割出的两个平面点云图。
  
  

• 经过处理的3个点云输出图如下所示：
  

---