1.代码
#include <iostream>
using namespace std;
#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>
#include <pcl/features/integral_image_normal.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>
#include <pcl/kdtree/kdtree_flann.h>
int main(){
//加载点云
PointCloud<PointXYZ>::Ptr cloud(new PointCloud<PointXYZ>);
io::loadPCDFile("D:\\pcd\\table_scene_mug_stereo_textured.pcd",*cloud);
//估计法线
PointCloud<Normal>::Ptr normals(new PointCloud<Normal>);
IntegralImageNormalEstimation<PointXYZ,Normal> ne;
//设置估计方法ne.AVERAGE_3D_GRADIENT:创建6个积分图来计算水平和垂直方向的平滑后的三维梯度,并使用两个梯度间的向量积计算法线。
//COVARIANCE_MATRIX模式从具体某个点的局部邻域的协方差矩阵创建9个积分图来计算这个点的法线。
//AVERAGE_DEPTH_CHANGE模式只创建了一个单一的积分图,并从平均深度变化计算法线。
ne.setNormalEstimationMethod(ne.AVERAGE_3D_GRADIENT);
ne.setMaxDepthChangeFactor(0.02f);//最大深度变化系数
ne.setNormalSmoothingSize(10.0f);//优化法线方向时考虑邻域大小
ne.setInputCloud(cloud);//输入点云必须为有序点云
ne.compute(*normals);
//法线可视化
visualization::PCLVisualizer viewer("PCL Viewer");
viewer.setBackgroundColor(0.0,0.0,0.5,);
viewer.addPointCloudNOrmals<PointXYZ,Normal>(cloud,normals);
while(!viewer.wasStopped()){
viewer.spinOnce();
}
return 0;
}
2.显示
运行结果法线方向基本一致朝向视点,视图视点朝向场景中的桌面,桌面上的杯子处出现平行于桌面的法线,而桌面上的点集的法线都垂直于桌面并指向点云本身获取时的视点,利用此方法进行法线估计只适用于有序点云。