RealSense L515相机保存点云ply文件并可视化

使用RealSense L515相机,安装realsense-viewer后在终端开启。

右上角切换到3D模式,点击export按钮,即可进行点云ply文件的拍摄保存。

下面使用PCL进行点云文件的可视化,结果如下。

代码如下:

#include <pcl/point_types.h>
#include <pcl/io/ply_io.h>
#include <pcl/visualization/pcl_visualizer.h>

int main()
{
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); 
	//pcl::io::loadPLYFile("/home/lyl/桌面/1213pcd.ply",*cloud);        //读取ply格式的点云文件,如果需要读取pcd格式的点云文件,只需将PLYFile换成PCDFile即可
	//pcl::io::loadPLYFile("/home/lyl/holes/12.ply",*cloud);        //读取ply格式的点云文件,如果需要读取pcd格式的点云文件,只需将PLYFile换成PCDFile即可
	pcl::io::loadPLYFile("/home/lyl/图片/1213.ply",*cloud);
	pcl::visualization::PCLVisualizer viewer("pcl_viewer");  //创建一个可视化窗口并命名为demo
	viewer.addPointCloud(cloud,"ply_viewer"); 
	while(!viewer.wasStopped())                    //可视化
	{
		viewer.spinOnce();
	}

    std::cin.get();
    return 0;
}

 

 

 

 

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要找到柱体点云的轴,可以使用PCA(主成分分析)算法。PCA可以用于降维和特征提取,但在此情况下,我们将使用它来找到点云的主轴。 以下是一个简单的Python程序,用于加载柱体点云(.ply文件),使用PCA算法找到主轴,并可视化结果: ```python import numpy as np import open3d as o3d # Load point cloud data from .ply file pcd = o3d.io.read_point_cloud("cylinder.ply") # Convert point cloud data to numpy array points = np.asarray(pcd.points) # Compute the centroid of the point cloud centroid = np.mean(points, axis=0) # Compute the covariance matrix of the point cloud covariance = np.cov(points.T) # Compute the eigenvectors and eigenvalues of the covariance matrix eigenvalues, eigenvectors = np.linalg.eig(covariance) # Find the index of the largest eigenvalue max_eigenvalue_index = np.argmax(eigenvalues) # Extract the corresponding eigenvector axis = eigenvectors[:, max_eigenvalue_index] # Visualize the point cloud and axis pcd.paint_uniform_color([0.5, 0.5, 0.5]) pcd.axis_aligned_bounding_box() pcd.transform(np.linalg.inv(np.vstack((eigenvectors[:, 1:], axis)).T)) o3d.visualization.draw_geometries([pcd]) ``` 在此示例中,我们首先加载柱体点云数据,并将其转换为numpy数组。然后,我们计算点云的质心和协方差矩阵,使用numpy的linalg库计算协方差矩阵的特征向量和特征值。我们选择最大的特征值,并提取相应的特征向量作为点云的主轴。 最后,我们将点云和主轴可视化,以便我们可以看到结果。我们使用open3d库中的函数来绘制点云和主轴。该程序会在新窗口中打开可视化结果。 注意,我们首先将点云转换为与主轴对齐的坐标系,以便我们可以更好地看到主轴。

“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
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
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