PCL提取点云的子集

给定索引提取子集

#include <pcl/point_types.h>
#include<pcl/io/pcd_io.h>
#include <pcl/filters/extract_indices.h>

int
main(int, char**)
{
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::io::loadPCDFile("boundary.pcd",*cloud_in);
    std::cout << "Cloud has " << cloud_in->points.size() << " points." << std::endl;

    //-----------根据索引提取点云------------------
    // 1、取得需要的索引
    pcl::PointIndices indices;
    for (int i = 0; i < 10000; i++)
    {
        indices.indices.push_back(i);
    }

    // 2、索引提取器
    pcl::ExtractIndices<pcl::PointXYZ> extr;
    extr.setInputCloud(cloud_in);//设置输入点云
    extr.setIndices(std::make_shared<const pcl::PointIndices>(indices));//设置索引
    pcl::PointCloud<pcl::PointXYZ>::Ptr output(new pcl::PointCloud<pcl::PointXYZ>);
    extr.filter(*output);     //提取对应索引的点云
    pcl::io::savePCDFileBinary("indicies.pcd",*output);
    std::cout << "Output has " << output->points.size() << " points." << std::endl;
  
}

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PCL提取点云平面的方法有很多种,其中最常用的是RANSAC(随机抽样一致性)算法。以下是一个简单的示例代码,用于提取点云中的平面: ```c++ #include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/filters/extract_indices.h> #include <pcl/segmentation/sac_segmentation.h> int main(int argc, char** argv) { // Load input file pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); if (pcl::io::loadPCDFile<pcl::PointXYZ>(argv[1], *cloud) == -1) { PCL_ERROR("Couldn't read file %s\n", argv[1]); return (-1); } // Create the segmentation object pcl::SACSegmentation<pcl::PointXYZ> seg; pcl::PointIndices::Ptr inliers(new pcl::PointIndices); pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients); seg.setOptimizeCoefficients(true); seg.setModelType(pcl::SACMODEL_PLANE); seg.setMethodType(pcl::SAC_RANSAC); seg.setMaxIterations(1000); seg.setDistanceThreshold(0.01); // Segment the largest planar component from the input cloud seg.setInputCloud(cloud); seg.segment(*inliers, *coefficients); if (inliers->indices.size() == 0) { PCL_ERROR("Could not estimate a planar model for the given dataset."); return (-1); } // Extract the inliers pcl::ExtractIndices<pcl::PointXYZ> extract; extract.setInputCloud(cloud); extract.setIndices(inliers); extract.setNegative(false); pcl::PointCloud<pcl::PointXYZ>::Ptr plane(new pcl::PointCloud<pcl::PointXYZ>); extract.filter(*plane); // Save the extracted plane to disk pcl::io::savePCDFileASCII("plane.pcd", *plane); return 0; } ``` 在上面的代码中,我们首先载入了一个点云文件,然后创建了一个SACSegmentation对象。接着,我们设置了一些参数,如模型类型(SACMODEL_PLANE)、方法类型(SAC_RANSAC)、最大迭代次数(1000)和距离阈值(0.01)。然后,我们将输入点云传递给segment()函数,从中提取出平面的点集。最后,我们提取出该平面的点集,并将其保存到磁盘上。 需要注意的是,这段代码只能提取一个平面。如果点云中有多个平面,需要对其进行迭代。

“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