选取点组成点云

已于 2024-01-14 23:08:05 修改
阅读量35 收藏
点赞数
文章标签： c++
于 2022-04-01 14:43:51 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_53282645/article/details/123875776
版权
这段代码展示了如何根据特征点对点云进行分割，并按每10%的比例保存为不同编号的PCD文件。首先处理'featurebox[n]'中的点，然后是'curIndexGrad[i]'，最后处理全局变量V的点。每个点云对应一个特定的范围，用于后续可能的数据分析或可视化。
摘要由CSDN通过智能技术生成 
if (i == 0)
			{
				pcl::PointCloud<pcl::PointXYZ> cloud1;
				cloud1.width = featurebox[n].size(); //设置点云宽度
				cloud1.height = 1; //设置点云高度
				cloud1.is_dense = false; //非密集型
				cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
				for (size_t j = 0; j < featurebox[n].size() * (i + 1) * 0.1; j++)//computer the grad's Ex 0.1 point
				{
					int p0 = get<1>(featurebox[n][j]);
					cloud1.points[j].x = cloud->points[p0].x;
					cloud1.points[j].y = cloud->points[p0].y;
					cloud1.points[j].z = cloud->points[p0].z;
				}
				//保存到PCD文件

				pcl::io::savePCDFileASCII("test00.pcd", cloud1); //将点云保存到PCD文件中
			}
			if (i == 1)
			{
				pcl::PointCloud<pcl::PointXYZ> cloud1;
				cloud1.width = curIndexGrad[i].size(); //设置点云宽度
				cloud1.height = 1; //设置点云高度
				cloud1.is_dense = false; //非密集型
				cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
				for (size_t j = 0; j < featurebox[n].size() * (i + 1) * 0.1; j++)//computer the grad's Ex 0.1 point
				{
					int p0 = get<1>(featurebox[n][j]);
					cloud1.points[j].x = cloud->points[p0].x;
					cloud1.points[j].y = cloud->points[p0].y;
					cloud1.points[j].z = cloud->points[p0].z;
				}
				//保存到PCD文件

				pcl::io::savePCDFileASCII("test11.pcd", cloud1); //将点云保存到PCD文件中
			}
			if (i == 2)
			{
				pcl::PointCloud<pcl::PointXYZ> cloud1;
				cloud1.width = curIndexGrad[i].size(); //设置点云宽度
				cloud1.height = 1; //设置点云高度
				cloud1.is_dense = false; //非密集型
				cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
				for (size_t j = 0; j < featurebox[n].size() * (i + 1) * 0.1; j++)//computer the grad's Ex 0.1 point
				{
					int p0 = get<1>(featurebox[n][j]);
					cloud1.points[j].x = cloud->points[p0].x;
					cloud1.points[j].y = cloud->points[p0].y;
					cloud1.points[j].z = cloud->points[p0].z;
				}
				//保存到PCD文件

				pcl::io::savePCDFileASCII("test22.pcd", cloud1); //将点云保存到PCD文件中
			}
			if (i == 3)
			{
				pcl::PointCloud<pcl::PointXYZ> cloud1;
				cloud1.width = curIndexGrad[i].size(); //设置点云宽度
				cloud1.height = 1; //设置点云高度
				cloud1.is_dense = false; //非密集型
				cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
				for (size_t j = 0; j < featurebox[n].size() * (i + 1) * 0.1; j++)//computer the grad's Ex 0.1 point
				{
					int p0 = get<1>(featurebox[n][j]);
					cloud1.points[j].x = cloud->points[p0].x;
					cloud1.points[j].y = cloud->points[p0].y;
					cloud1.points[j].z = cloud->points[p0].z;
				}
				//保存到PCD文件

				pcl::io::savePCDFileASCII("test33.pcd", cloud1); //将点云保存到PCD文件中
			}
			if (i == 4)
			{
				pcl::PointCloud<pcl::PointXYZ> cloud1;
				cloud1.width = curIndexGrad[i].size(); //设置点云宽度
				cloud1.height = 1; //设置点云高度
				cloud1.is_dense = false; //非密集型
				cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
				for (size_t j = 0; j < featurebox[n].size() * (i + 1) * 0.1; j++)//computer the grad's Ex 0.1 point
				{
					int p0 = get<1>(featurebox[n][j]);
					cloud1.points[j].x = cloud->points[p0].x;
					cloud1.points[j].y = cloud->points[p0].y;
					cloud1.points[j].z = cloud->points[p0].z;
				}
				//保存到PCD文件

				pcl::io::savePCDFileASCII("test44.pcd", cloud1); //将点云保存到PCD文件中
			}
			if (i == 5)
			{
				pcl::PointCloud<pcl::PointXYZ> cloud1;
				cloud1.width = curIndexGrad[i].size(); //设置点云宽度
				cloud1.height = 1; //设置点云高度
				cloud1.is_dense = false; //非密集型
				cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
				for (size_t j = 0; j < featurebox[n].size() * (i + 1) * 0.1; j++)//computer the grad's Ex 0.1 point
				{
					int p0 = get<1>(featurebox[n][j]);
					cloud1.points[j].x = cloud->points[p0].x;
					cloud1.points[j].y = cloud->points[p0].y;
					cloud1.points[j].z = cloud->points[p0].z;
				}
				//保存到PCD文件

				pcl::io::savePCDFileASCII("test55.pcd", cloud1); //将点云保存到PCD文件中
			}
			if (i == 6)
			{
				pcl::PointCloud<pcl::PointXYZ> cloud1;
				cloud1.width = curIndexGrad[i].size(); //设置点云宽度
				cloud1.height = 1; //设置点云高度
				cloud1.is_dense = false; //非密集型
				cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
				for (size_t j = 0; j < featurebox[n].size() * (i + 1) * 0.1; j++)//computer the grad's Ex 0.1 point
				{
					int p0 = get<1>(featurebox[n][j]);
					cloud1.points[j].x = cloud->points[p0].x;
					cloud1.points[j].y = cloud->points[p0].y;
					cloud1.points[j].z = cloud->points[p0].z;
				}
				//保存到PCD文件

				pcl::io::savePCDFileASCII("test66.pcd", cloud1); //将点云保存到PCD文件中
			}
			if (i == 7)
			{
				pcl::PointCloud<pcl::PointXYZ> cloud1;
				cloud1.width = curIndexGrad[i].size(); //设置点云宽度
				cloud1.height = 1; //设置点云高度
				cloud1.is_dense = false; //非密集型
				cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
				for (size_t j = 0; j < featurebox[n].size() * (i + 1) * 0.1; j++)//computer the grad's Ex 0.1 point
				{
					int p0 = get<1>(featurebox[n][j]);
					cloud1.points[j].x = cloud->points[p0].x;
					cloud1.points[j].y = cloud->points[p0].y;
					cloud1.points[j].z = cloud->points[p0].z;
				}
				//保存到PCD文件

				pcl::io::savePCDFileASCII("test77.pcd", cloud1); //将点云保存到PCD文件中
			}
			if (i == 8)
			{
				pcl::PointCloud<pcl::PointXYZ> cloud1;
				cloud1.width = curIndexGrad[i].size(); //设置点云宽度
				cloud1.height = 1; //设置点云高度
				cloud1.is_dense = false; //非密集型
				cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
				for (size_t j = 0; j < featurebox[n].size() * (i + 1) * 0.1; j++)//computer the grad's Ex 0.1 point
				{
					int p0 = get<1>(featurebox[n][j]);
					cloud1.points[j].x = cloud->points[p0].x;
					cloud1.points[j].y = cloud->points[p0].y;
					cloud1.points[j].z = cloud->points[p0].z;
				}
				//保存到PCD文件

				pcl::io::savePCDFileASCII("test88.pcd", cloud1); //将点云保存到PCD文件中
			}
			if (i == 9)
			{
				pcl::PointCloud<pcl::PointXYZ> cloud1;
				cloud1.width = curIndexGrad[i].size(); //设置点云宽度
				cloud1.height = 1; //设置点云高度
				cloud1.is_dense = false; //非密集型
				cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
				for (size_t j = 0; j < featurebox[n].size() * (i + 1) * 0.1; j++)//computer the grad's Ex 0.1 point
				{
					int p0 = get<1>(featurebox[n][j]);
					cloud1.points[j].x = cloud->points[p0].x;
					cloud1.points[j].y = cloud->points[p0].y;
					cloud1.points[j].z = cloud->points[p0].z;
				}
				//保存到PCD文件

				pcl::io::savePCDFileASCII("test99.pcd", cloud1); //将点云保存到PCD文件中
			}
		if (i == 1)
		{
			pcl::PointCloud<pcl::PointXYZ> cloud1;
			cloud1.width = V.size(); //设置点云宽度
			cloud1.height = 1; //设置点云高度
			cloud1.is_dense = false; //非密集型
			cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
			for (size_t j = 0; j < V.size(); j++)//computer the grad's Ex 0.1 point
			{
				int p0 = V[j];
				cloud1.points[j].x = cloud->points[p0].x;
				cloud1.points[j].y = cloud->points[p0].y;
				cloud1.points[j].z = cloud->points[p0].z;
			}
			//保存到PCD文件

			pcl::io::savePCDFileASCII("test11.pcd", cloud1); //将点云保存到PCD文件中
		}
		if (i == 2)
		{
			pcl::PointCloud<pcl::PointXYZ> cloud1;
			cloud1.width = V.size(); //设置点云宽度
			cloud1.height = 1; //设置点云高度
			cloud1.is_dense = false; //非密集型
			cloud1.points.resize(cloud1.width * cloud1.height); //变形，无序
			for (size_t j = 0; j < V.size(); j++)//computer the grad's Ex 0.1 point
			{
				int p0 = V[j];
				cloud1.points[j].x = cloud->points[p0].x;
				cloud1.points[j].y = cloud->points[p0].y;
				cloud1.points[j].z = cloud->points[p0].z;
			}
			//保存到PCD文件

			pcl::io::savePCDFileASCII("test22.pcd", cloud1); //将点云保存到PCD文件中
		}
		if (i == 3)
		{
			pcl::PointCloud<pcl::PointXYZ> cloud1;
			cloud1.width = V.size(); //设置点云宽度
			cloud1.height = 1; //设置点云高度
			cloud1.is_dense = false; //非密集型
			cloud1.points.resize(cloud1.width* cloud1.height); //变形，无序
			for (size_t j = 0; j < V.size(); j++)//computer the grad's Ex 0.1 point
			{
				int p0 = V[j];
				cloud1.points[j].x = cloud->points[p0].x;
				cloud1.points[j].y = cloud->points[p0].y;
				cloud1.points[j].z = cloud->points[p0].z;
			}
			//保存到PCD文件

			pcl::io::savePCDFileASCII("test33.pcd", cloud1); //将点云保存到PCD文件中
		}
		if (i == 4)
		{
			pcl::PointCloud<pcl::PointXYZ> cloud1;
			cloud1.width = V.size(); //设置点云宽度
			cloud1.height = 1; //设置点云高度
			cloud1.is_dense = false; //非密集型
			cloud1.points.resize(cloud1.width* cloud1.height); //变形，无序
			for (size_t j = 0; j < V.size(); j++)//computer the grad's Ex 0.1 point
			{
				int p0 = V[j];
				cloud1.points[j].x = cloud->points[p0].x;
				cloud1.points[j].y = cloud->points[p0].y;
				cloud1.points[j].z = cloud->points[p0].z;
			}
			//保存到PCD文件

			pcl::io::savePCDFileASCII("test44.pcd", cloud1); //将点云保存到PCD文件中
		}
		if (i == 5)
		{
			pcl::PointCloud<pcl::PointXYZ> cloud1;
			cloud1.width = V.size(); //设置点云宽度
			cloud1.height = 1; //设置点云高度
			cloud1.is_dense = false; //非密集型
			cloud1.points.resize(cloud1.width* cloud1.height); //变形，无序
			for (size_t j = 0; j < V.size(); j++)//computer the grad's Ex 0.1 point
			{
				int p0 = V[j];
				cloud1.points[j].x = cloud->points[p0].x;
				cloud1.points[j].y = cloud->points[p0].y;
				cloud1.points[j].z = cloud->points[p0].z;
			}
			//保存到PCD文件

			pcl::io::savePCDFileASCII("test55.pcd", cloud1); //将点云保存到PCD文件中
		}
		if (i == 6)
		{
			pcl::PointCloud<pcl::PointXYZ> cloud1;
			cloud1.width = V.size(); //设置点云宽度
			cloud1.height = 1; //设置点云高度
			cloud1.is_dense = false; //非密集型
			cloud1.points.resize(cloud1.width* cloud1.height); //变形，无序
			for (size_t j = 0; j < V.size(); j++)//computer the grad's Ex 0.1 point
			{
				int p0 = V[j];
				cloud1.points[j].x = cloud->points[p0].x;
				cloud1.points[j].y = cloud->points[p0].y;
				cloud1.points[j].z = cloud->points[p0].z;
			}
			//保存到PCD文件

			pcl::io::savePCDFileASCII("test66.pcd", cloud1); //将点云保存到PCD文件中
		}
		if (i == 7)
		{
			pcl::PointCloud<pcl::PointXYZ> cloud1;
			cloud1.width = V.size(); //设置点云宽度
			cloud1.height = 1; //设置点云高度
			cloud1.is_dense = false; //非密集型
			cloud1.points.resize(cloud1.width* cloud1.height); //变形，无序
			for (size_t j = 0; j < V.size(); j++)//computer the grad's Ex 0.1 point
			{
				int p0 = V[j];
				cloud1.points[j].x = cloud->points[p0].x;
				cloud1.points[j].y = cloud->points[p0].y;
				cloud1.points[j].z = cloud->points[p0].z;
			}
			//保存到PCD文件

			pcl::io::savePCDFileASCII("test77.pcd", cloud1); //将点云保存到PCD文件中
		}
		if (i == 8)
		{
			pcl::PointCloud<pcl::PointXYZ> cloud1;
			cloud1.width = V.size(); //设置点云宽度
			cloud1.height = 1; //设置点云高度
			cloud1.is_dense = false; //非密集型
			cloud1.points.resize(cloud1.width* cloud1.height); //变形，无序
			for (size_t j = 0; j < V.size(); j++)//computer the grad's Ex 0.1 point
			{
				int p0 = V[j];
				cloud1.points[j].x = cloud->points[p0].x;
				cloud1.points[j].y = cloud->points[p0].y;
				cloud1.points[j].z = cloud->points[p0].z;
			}
			//保存到PCD文件

			pcl::io::savePCDFileASCII("test88.pcd", cloud1); //将点云保存到PCD文件中
		}
		if (i == 9)
		{
			pcl::PointCloud<pcl::PointXYZ> cloud1;
			cloud1.width = V.size(); //设置点云宽度
			cloud1.height = 1; //设置点云高度
			cloud1.is_dense = false; //非密集型
			cloud1.points.resize(cloud1.width* cloud1.height); //变形，无序
			for (size_t j = 0; j < V.size(); j++)//computer the grad's Ex 0.1 point
			{
				int p0 = V[j];
				cloud1.points[j].x = cloud->points[p0].x;
				cloud1.points[j].y = cloud->points[p0].y;
				cloud1.points[j].z = cloud->points[p0].z;
			}
			//保存到PCD文件

			pcl::io::savePCDFileASCII("test99.pcd", cloud1); //将点云保存到PCD文件中
		}

weixin_53282645
关注
NARF提取关键点.zip_amdut_narf 点云_narf关键点提取_点云
09-20
点云处理是三维计算机视觉领域中的重要组成部分，它涉及到对现实世界物体的三维几何信息的获取、处理和分析。在这一领域中，关键点检测是一个关键步骤，它可以帮助我们识别和定位点云中的特征区域，进而用于匹配、...
SLAM第五讲点云拼接思路笔记
weixin_41284198的博客
06-22 4639
1.用vector&lt;cv::Mat&gt;和vector&lt;Eigen::Isometry3d&gt;定义图片变量和相机位姿。    vector&lt;cv::Mat&gt; colorImgs, depthImgs; // 彩色图和深度图 vector&lt;Eigen::Isometry3d, Eigen::aligned_allocator&lt;Eigen::Is...
激光雷达点云配准算法
最新发布
qq_53576285的博客
03-21 1674
主要介绍了激光雷达点云配准，重点推导ICP算法，并结合C++pcl库给出了ICP算法的一般代码实现。
pcl的使用
正在挣扎中的人
01-26 1255
根据深度图（视差图）计算点云，并利用pcl显示点云
pcl中的一些常用函数记录笔记
非晚非晚的博客
02-10 4199
1. 删除无效点(nan点)——pcl::removeNaNFromPointCloud2. 判断单个点是否是无效点——pcl::isFinite3. 求点的极值——pcl::getMinMax3D4. 点云与点云ptr类型互相转换5. 点云拷贝——pcl::copyPointCloud6. 点云的插入与删除——insert、push_back和erase7. 指定点云的颜色显示——PointCloudColorHandlerCustom8. PointCloud和PCLPointCloud2
PCL点云库系列01
m0_51598550的博客
04-25 211
第一个代码 代码如下代码片. #include <iostream> //标准C++库中的输入输出类相关头文件 #include <pcl/io/pcd_io.h> //PCD读写类相关的头文件 #include <pcl/point_types.h> //PCL中支持的点类型头文件 int main(int argc, char** argv) { pcl::PointCloud<pcl::PointXYZ> cloud; // 创建点云 /
常用点云数据
05-09
可以尝试从这个压缩包中选取一部分数据，进行点云的可视化、去噪、分割等操作，甚至尝试构建简单的3D模型。这将有助于将理论知识转化为实际技能，加深对点云的理解。 总之，这个压缩包为点云学习者提供了一个丰富...
点云曲率计算
03-23
计算曲率需要对点云进行邻域分析，选取一个点的邻域内的一组点，通过这些点的信息来推断该点的曲率。 计算点云曲率的常用方法有基于高斯-牛顿法的曲率估计、基于Kdtree的数据结构快速查找邻域点以及基于距离变换的...
在MATLAB中对三维点云数据进行中值滤波
04-25
三维点云是由一系列在空间中的点组成的集合，每个点都有其在X、Y、Z三个坐标轴上的位置信息，可能还包含颜色、法向量等附加属性。这些数据通常由激光雷达（LiDAR）或结构光传感器等设备获取，广泛应用于自动驾驶、...
两种点云建模方法对点云进行建模
04-21
该算法首先计算点云中每两点之间的距离，然后选取一个合适的阈值，将距离小于阈值的点对连接起来形成边。这些边代表了可能的表面边界。 接下来，算法执行一个称为“壳化”(shellification)的过程，通过迭代删除那些...
点云库PCL学习——向pcd文件中写入点云数据
zzh_AI的博客
03-27 1759
首先对pcd中基本结构PointCloud做一个笔记： PCL中的基本数据结构是PointCloud，PointCloud是一个C++类，包含了如下数据域： 一、width (int) 用点云数据集中的点数初始化width，width其实有两个含义： (1)对于无组织或者说无结构的点云来说，width就是指点云中点的个数。 (2) 对于有结构的点云来说，width是指点云数据集一行上点的个数。有结...
PCL点云学习（1）——pcd文件的生成和读取
知识搬运工的博客
01-13 4769
MATLAB mat文件转TXT文件 因为本菜鸟之前一直使用MATLAB做点云处理，所以数据都是mat文件，为了使用PCL库，需要先转化为TXT文件，在使用C++PCL将TXT文件转化为PCD文件。。。。。下面是MATLAB代码，不需要的同学请自动忽略。 fid=fopen('pipline.txt','wt'); fprintf(fid,'%12.8f %12.8f %12.8f\n',p...
PCL(3)：将Point Cloud数据写入PCD文件
qq_42827488的博客
02-29 1561
上回书讲的是把PCD文件读成点云数据，这回我们说说怎么将点云数据写入PCD文件。 1、代码 创建一个名为pcd_write.cpp的文件，并将以下代码放入其中： #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> int main (int argc, cha...
使用opencv以及pcl将2D图像转换为3D点云
热门推荐
追梦水手的博客
10-13 1万+
使用opencv以及pcl将2D图像转换为3D点云
深度图转点云遇到的错误 获取cv::Mat像素值的时候注意数据类型
Cyril__Li的博客
01-12 1166
最近写了一个根据Depth图像和相机参数计算某一点三维坐标和平均表面法向量的ROS Service，但是发现计算得到的表面法向量经常是nan，最后找到原因是从深度图提取数值的时候把数据类型搞错了。 //比如我有一个cv::Mat B，编码为CV_32FC1 // 注意这里CV_32F的F意味着元素为float，因此： value = B.atfloat>(i,j); value = B.pt
PCL_将点云数据写入PCD格式文件
y3254321的博客
03-05 1377
#include //标准输入输出流 #include //PCL的PCD格式文件的输入输出头文件 #include //PCL对各种格式的点的支持头文件 int main(int argc, char** argv) { pcl::PointCloud cloud; // 创建点云（不是指针） //填充点云数据 cloud.width = 5; //设置点云宽度 cloud.
PCL点云的保存和显示
konglingshneg的博客
06-11 1万+
1.pcl点云的保存1.首先将获得的点云x，y，z分别存放在三个vector中2.pcl  是一个命名空间，跟std类似，PointCloud是类模板，&lt;pcl::PointXYZ&gt;是模板类实例化的类型3cloud.height用来判断是否为有序点云，=1则是无序点云也可以使用如下函数代替：if (!cloud.isOrganized ()),4.对于无序点云来说：(1)width就是...
MATLAB点云体素降采样教程与示例下载
1. **点云处理基础**：点云是由一系列散乱的点组成的数据集合，常用于表示物体的三维几何形状。Matlab作为强大的数学计算和工程仿真软件，提供了处理点云数据的一系列工具和函数。 2. **体素化降采样概念**：体素是...
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
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