PCL MC移动立方体重建（HOPPE）（Surface_MarchingCubesHoppe）

者山海

已于 2024-09-20 09:17:35 修改

阅读量758

点赞数 19

分类专栏： PCL 文章标签：算法机器学习人工智能计算机视觉平面

于 2024-09-13 16:02:52 首次发布

本文链接：https://blog.csdn.net/xhm01291212/article/details/142211123

版权

PCL 专栏收录该内容

97 篇文章 8 订阅

订阅专栏

PCL专栏目录及须知

移动立方体重建是一种体素级的重建方法，即通过

判断原始点云表面（等值面）与每个体素块顶点的相对位置，

查表计算得到与原始点云表面相交的各体素边及三角面片信息，

线性插值修正交点，逼近等值面，

组合形成三角网格。

主要应用于医学领域的可视化场景，例如CT扫描和MRI扫描的3D重建等。

1.Marching Squares（MC移动立方体重建的2D引入）

先以2D的该算法思想举例引入：

（1）待分割对象如下：

（2）对待分割对象二维栅格化。

（3）记录栅格化顶点相对位置信息，即哪些顶点在对象内部（红色），哪些在对象外部（蓝色）。

（4）计算多边形都穿过哪些栅格线。并以一内部对象（红色）及一外部对象（蓝色）的连线的中间位置（1/2处）作为记录值（紫色顶点）。

（5）排序并连接紫色点，得到原始表面的近似值（紫色线）。

（6）精确计算紫色点位置。即计算表面与存在紫色点的各边的详细交点，得到准确表面。

2.Marching cubes（MC移动立方体3D重建）

（1）体素化点云。得到由许多个小立方体组成的体素网格。

等值面的引入：

指三维空间中具有相同数值的点构成的表面。即下文代码中iso_level的值。

（2）判断每个小体素块的各个顶点是否在原始点云内部（顶点只有内外两种可能性）。

比较等值面的值（iso_level）与小立方体8个顶点的数据值：

1）在原始点云表面内部：顶点数据值高于或等于等值面的值（iso_level）。

2）在原始点云表面外部：顶点数据值低于等值面的值（iso_level）。

（3）整理每个体素块的基本构型状态。

每个体素块由八个顶点组成，1个顶点内外一种状态，8个顶点则有2^8 = 256种状态。根据旋转、映射不变等特性，将体素256种状态归纳为一下15种基本构型：

（4）根据顶点状态设置“边查找表”及“三角形查找表”。

边查找表：edgeTable查找表。例如，0x80c=1000 0000 1100，意味着体素单元的边11、3、2和等值面相交。

三角形查找表：triTable。用于生成对应三角面片的组成情况。

（5）遍历计算每个体素块与原始点云相交的状态。

1）通过边查找表判断等值面和体素单元哪一条边相交

以如下情况为例：

<1>假如某体素块，仅下方的顶点3的值小于等值面值，其他顶点上的值都大于等值面值，即顶点3标记为1、其他顶点标记为0。

<2>用进制表示该体素块的体素顶点状态，二进制的0000 1000或者十进制的8。

<3>查找“边查找表”，即edgeTable[8] =0x80c=1000 0000 1100，得到体素单元的边11、3、2和等值面相交。

2）通过triTable表生成对应三角面片的组成情况

仍以上方情况为例：

triTable查找表得到triTable[8] = {3, 11, 2, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1}。即该顶点状态可以生成三角面，该三角面的3个顶点为边3、11、2和等值面相交的交点。

（7）线性插值计算各交点的位置。

已知各条可与原始点云相交的体素块的边，通过线性插值，计算每个交点在该体素边的位置。

（8）遍历所有体素块，得到最终结果。

3.Hoppe法改进

在点云表面重建中，无法像3D医学图像那样直接获取Cube顶点的数据值，Hoppe等人使用Cube顶点到点云的有符号距离（signed distance function）来表示该数据值。

（1）iso_level一般设置为0。

（2）计算Cube顶点到点云的有符号距离。

首先找到距离Cube顶点最近的数据点n，然后计算Cube顶点到表面在点n处的切平面的距离。实际是计算Cube顶点到点n的向量与切平面法向量的点乘，计算结果保留符号。

（3）使用MC方法确定三角面。

4.使用场景

三维点云重建

5.关键函数

（1）等值面的值iso_level

segmentation->setIsoLevel(0.0f);

（2）移动立方体网格分辨率

segmentation->setGridResolution(50, 50, 50);

（3）定义在点云的边框和网格限制之间的网格内应该保留多少自由空间，不影响网格的分辨率，只是相应地改变体素大小。

segmentation->setPercentageExtendGrid(0.0f);

6.完整代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/io/ply_io.h>
#include <pcl/point_types.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/features/normal_3d.h>
#include <pcl/surface/marching_cubes_HOPPE.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

int main()
{
	/****************HOPPE移动立方体重建********************/
	pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>);				// 源点云
	pcl::io::loadPCDFile("D:/code/csdn/data/bunny2.pcd", *cloud);

	// 计算法线
	pcl::NormalEstimation<pcl::PointXYZRGB, pcl::Normal> n;
	pcl::search::KdTree<pcl::PointXYZRGB>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZRGB>);
	n.setInputCloud(cloud);
	n.setSearchMethod(tree);
	n.setKSearch(20);                                                                                   // k邻域搜索范围
	pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
	n.compute(*normals);

	pcl::PointCloud<pcl::PointXYZRGBNormal>::Ptr cloudNormals(new pcl::PointCloud<pcl::PointXYZRGBNormal>);         // 连接点云及法向量
	pcl::concatenateFields(*cloud, *normals, *cloudNormals);

	// HOPPE移动立方体重建
	pcl::MarchingCubes<pcl::PointXYZRGBNormal>::Ptr segmentation(new pcl::MarchingCubesHoppe<pcl::PointXYZRGBNormal>);
	pcl::search::KdTree<pcl::PointXYZRGBNormal>::Ptr tree2(new pcl::search::KdTree<pcl::PointXYZRGBNormal>);
	tree2->setInputCloud(cloudNormals);
	segmentation->setInputCloud(cloudNormals);
	segmentation->setIsoLevel(0.0f);													// 等值面的iso_level
	segmentation->setGridResolution(50, 50, 50);										// 移动立方体网格分辨率
	segmentation->setPercentageExtendGrid(0.0f);										// 定义在点云的边框和网格限制之间的网格内应该保留多少自由空间，不影响网格的分辨率，只是相应地改变体素大小。
	pcl::PolygonMesh triangles;                                                         // 存储最终三角化的网格模型
	segmentation->reconstruct(triangles);

	pcl::io::savePLYFile("D:/code/csdn/data/bunny5.ply", triangles);

	/****************展示********************/
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("GridProjection"));
	viewer->addPointCloud(cloud, "cloud");
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer0(new pcl::visualization::PCLVisualizer("GridProjection0"));
	viewer0->setBackgroundColor(255, 255, 255);
	viewer0->addPolygonMesh(triangles, "triangles");
	viewer0->setRepresentationToWireframeForAllActors();          // 网格模型以线框图模式显示

	while (!viewer->wasStopped() || !viewer0->wasStopped())
	{
		viewer->spinOnce(100);
		viewer0->spinOnce(100);
		boost::this_thread::sleep(boost::posix_time::microseconds(100000));
	}

	return (0);
}