PCL MC移动立方体重建（RBF）（Surface_MarchingCubesRBF）

者山海

已于 2024-09-20 09:15:08 修改

阅读量418

点赞数 4

分类专栏： PCL 文章标签：算法机器学习人工智能计算机视觉深度学习

于 2024-09-13 16:16:28 首次发布

本文链接：https://blog.csdn.net/xhm01291212/article/details/142213421

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

Marching cubes（MC移动立方体3D重建）在HOPPE移动立方体重建一文中讲述了具体原理，本文原理解释，只涉及其RBF移动立方体方法的改进部分。

MC移动立方体重建（HOPPE）

1.RBF的改进

（1）设置离面约束点距离d

（2）根据现有点云数据，求解线性方程组，得到函数f(x)的参数

（3）使用MC方法确定三角面，其中Cube顶点数据值由f(x)定义。

具体流程为：

使用径向基函数（Radial Basis Function，RBF）生成函数空间，其中在表面处的函数值为0。

要成为RBF函数φ(x)，需要满足条件：对于某一个固定点c，满足，

即对于围绕着某固定点c的等距的x，函数值相同。PCL使用的是这一径向基函数。

我们希望找到一个函数f，对于表面上点x，有f(x)=0。使用RBF函数的线性组合来表示函数f：

另外为避免在不相关的地方产生f(x)=0，将沿表面点的曲面法向量生成了一对离面约束点，一个在表面外，一个在表面内，他们距表面的距离为d，从而可以得到另外2组方程f(x)=d和f(x)=-d。其中距离d不能设置的过大，要保证离面约束点到生成他的点的距离是最近的。如下图所示，4个手指处生成的离面约束点不能交叠。

左图：手部模型；右图手指处表面和2组离面约束点形成表面的示意图

最后上述方程可以组合形成一个线性方程组，求解后即可得到f(x)。然后使用MC方法就可以得到三角化的表面。

2.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_rbf.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

int main()
{
	/****************RBF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);

	// RBF移动立方体重建
	pcl::MarchingCubes<pcl::PointXYZRGBNormal>::Ptr segmentation(new pcl::MarchingCubesRBF<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);													// 提取表面的iso级别
	segmentation->setGridResolution(50, 50, 50);										// 行进立方体网格分辨率
	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
	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/bunny4.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);
}