pcl_包围盒_基于惯性矩与偏心率的描述子

最新推荐文章于 2024-09-03 10:14:10 发布

Yang_Yutou

最新推荐文章于 2024-09-03 10:14:10 发布

阅读量996

点赞数 3

分类专栏：点云PCL

本文链接：https://blog.csdn.net/yamgyutou/article/details/104535535

版权

点云PCL 专栏收录该内容

41 篇文章 31 订阅

订阅专栏

点云包围盒AABB and OBB

太惨了，之前半年的笔记几乎都在一个文档里放着，结果不知道啥时候可能手误干了个啥，早上打开后只有空空如也的白色界面，让我先默哀两分钟。

是的，这是小白的笔记。

正文：

代码在各大道友的博客里都能找到，真好。

运行时会出现异常或者出现空的命令行，查找未果，走过路过的道友看到了给我说一下为啥，谢谢。

（0x00007FFC0F84F621 (ucrtbased.dll) (AABB_box_pcl.exe 中)处有未经处理的异常: 0xC0000005: 读取位置 0x0000000000000000 时发生访问冲突。）

经各种尝试，此法可解一时之忧：在生成的.exe文件的目录下进入命令行，运行AABB_box_pcl.exe文件，同时需要输入需要建立包围盒的点云。

addcube方法结果如下（一个AABB的cube，一个OBB的cube）：

addLine方法结果如下：

总结：

做小白好难啊！有没有大佬带？

4.13更新

之前在网上找的代码，后来发现pcl源代码中就有，这里补充下代码。代码在第十章第六节moment of inertia中。

壹、

大体思路是找到最大xyz和最小的xyz得到八个顶点：

(max_x,max_y,max_z)(min_x,max_y,max_z)
(max_x,min_y,max_z)(max_x,max_y,min_z)
(max_x,min_y,min_z)(min_x,max_y,min_z)
(min_x,min_y,max_z)(min_x,min_y,min_z)

//定义储存极值的两个点，box_min_max.cpp

pcl::PointXYZ minPoint, maxPoint;

pcl::getMinMax3D(*cloud, minPoint, maxPoint);

贰、

但实际上要比这个复杂，使用PCA（Principal Component Analysis主成分分析）主方向。

因为如果直接在原来的点云上的那8个点，而不去转到主方向的话,那就是在原来相机的x,y,z坐标系下得到最大的x,y,z和最小的x,y,z也就是说最后得到的盒子的棱是平行于你相机坐标系的x,y,z的，这样就不是最小的盒子了,举例如下图：对于类似平面的点云a,b,c,d,如果根据主方向画盒子如左图，如果按之前的坐标系，如图。

常见的包围盒算法有轴对齐AABB包围盒、包围球、方向包围盒OBB以及固定方向凸包FDH。碰撞检测问题在虚拟现实、计算机辅助设计与制造、游戏及机器人等领域有着广泛的应用甚至成为关键技术。而包围盒算法是进行碰撞干涉初步检测的重要方法之一。

AABB,OBB应用广泛，AABB更常见，因为生成简单，与坐标轴对其。但也有缺点，当老虎沿着z站立，AABB和老虎比较贴合，但老虎旋转角度后，包围盒空间变大，就需要OBB。

最小包围盒的计算过程大致如下:

1.利用PCA主元分析法获得点云的三个主方向，获取质心，计算协方差，获得协方差矩阵，求取协方差矩阵的特征值和特征向量，特征向量即为主方向。

2.利用1中获得的主方向和质心，将输入点云转换至原点，且主方向与坐标系方向重回，建立变换到原点的点云的包围盒。

3.给输入点云设置主方向和包围盒，通过输入点云到原点点云变换的逆变换实现.

叁、

代码：

#include <pcl/features/moment_of_inertia_estimation.h>
#include <vector>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/visualization/cloud_viewer.h>
#include <boost/thread/thread.hpp>

int main (int argc, char** argv)
{
  if (argc != 2)
    return (0);

  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ> ());
  if (pcl::io::loadPCDFile (argv[1], *cloud) == -1)
    return (-1);

  //moment of inertia 转动惯量
  //MomentOfInertiaEstimation--执行提取基于转动惯量的特征,可以计算AABB/OBB，以及被投影云的偏心率
  pcl::MomentOfInertiaEstimation <pcl::PointXYZ> feature_extractor;
  feature_extractor.setInputCloud (cloud);
  feature_extractor.compute ();

  std::vector <float> moment_of_inertia;
  std::vector <float> eccentricity;
  pcl::PointXYZ min_point_AABB;
  pcl::PointXYZ max_point_AABB;
  pcl::PointXYZ min_point_OBB;
  pcl::PointXYZ max_point_OBB;
  pcl::PointXYZ position_OBB;
  Eigen::Matrix3f rotational_matrix_OBB;
  float major_value, middle_value, minor_value;
  Eigen::Vector3f major_vector, middle_vector, minor_vector;
  Eigen::Vector3f mass_center;

  feature_extractor.getMomentOfInertia (moment_of_inertia);
  feature_extractor.getEccentricity (eccentricity);
  feature_extractor.getAABB (min_point_AABB, max_point_AABB);
  feature_extractor.getOBB (min_point_OBB, max_point_OBB, position_OBB, rotational_matrix_OBB);
  feature_extractor.getEigenValues (major_value, middle_value, minor_value);
  feature_extractor.getEigenVectors (major_vector, middle_vector, minor_vector);
  feature_extractor.getMassCenter (mass_center);

  boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer (new pcl::visualization::PCLVisualizer ("点云库PCL学习教程第二版-基于惯性矩与偏心率的描述子"));
  viewer->setBackgroundColor (1, 1, 1);
  viewer->addCoordinateSystem (1.0);
  viewer->initCameraParameters ();
  viewer->addPointCloud<pcl::PointXYZ> (cloud,pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ>(cloud,0,255,0), "sample cloud");
  viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE,5,"sample cloud");
  viewer->addCube (min_point_AABB.x, max_point_AABB.x, min_point_AABB.y, max_point_AABB.y, min_point_AABB.z, max_point_AABB.z, 1.0, 0.0, 0.0, "AABB");
  viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_OPACITY,0.1,"AABB");
  viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_LINE_WIDTH,4,"AABB");
  
  Eigen::Vector3f position (position_OBB.x, position_OBB.y, position_OBB.z);
  std::cout<<"position_OBB: "<<position_OBB<<endl;
  std::cout<<"mass_center: "<<mass_center<<endl;
  Eigen::Quaternionf quat (rotational_matrix_OBB);
  viewer->addCube (position, quat, max_point_OBB.x - min_point_OBB.x, max_point_OBB.y - min_point_OBB.y, max_point_OBB.z - min_point_OBB.z, "OBB");
  viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR,0,0,1,"OBB");
  viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_OPACITY,0.1,"OBB");
  viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_LINE_WIDTH,4,"OBB");
  viewer->setRepresentationToWireframeForAllActors();
  pcl::PointXYZ center (mass_center (0), mass_center (1), mass_center (2));
  pcl::PointXYZ x_axis (major_vector (0) + mass_center (0), major_vector (1) + mass_center (1), major_vector (2) + mass_center (2));
  pcl::PointXYZ y_axis (middle_vector (0) + mass_center (0), middle_vector (1) + mass_center (1), middle_vector (2) + mass_center (2));
  pcl::PointXYZ z_axis (minor_vector (0) + mass_center (0), minor_vector (1) + mass_center (1), minor_vector (2) + mass_center (2));
//在点云上添加新的坐标
  viewer->addLine (center, x_axis, 1.0f, 0.0f, 0.0f, "major eigen vector");
  viewer->addLine (center, y_axis, 0.0f, 1.0f, 0.0f, "middle eigen vector");
  viewer->addLine (center, z_axis, 0.0f, 0.0f, 1.0f, "minor eigen vector");
  std::cout<<"size of cloud :"<<cloud->points.size()<<endl;
  std::cout<<"moment_of_inertia :"<<moment_of_inertia.size()<<endl;
  std::cout<<"eccentricity :"<<eccentricity.size()<<endl;
  //Eigen::Vector3f p1 (min_point_OBB.x, min_point_OBB.y, min_point_OBB.z);
  //Eigen::Vector3f p2 (min_point_OBB.x, min_point_OBB.y, max_point_OBB.z);
  //Eigen::Vector3f p3 (max_point_OBB.x, min_point_OBB.y, max_point_OBB.z);
  //Eigen::Vector3f p4 (max_point_OBB.x, min_point_OBB.y, min_point_OBB.z);
  //Eigen::Vector3f p5 (min_point_OBB.x, max_point_OBB.y, min_point_OBB.z);
  //Eigen::Vector3f p6 (min_point_OBB.x, max_point_OBB.y, max_point_OBB.z);
  //Eigen::Vector3f p7 (max_point_OBB.x, max_point_OBB.y, max_point_OBB.z);
  //Eigen::Vector3f p8 (max_point_OBB.x, max_point_OBB.y, min_point_OBB.z);

  //p1 = rotational_matrix_OBB * p1 + position;
  //p2 = rotational_matrix_OBB * p2 + position;
  //p3 = rotational_matrix_OBB * p3 + position;
  //p4 = rotational_matrix_OBB * p4 + position;
  //p5 = rotational_matrix_OBB * p5 + position;
  //p6 = rotational_matrix_OBB * p6 + position;
  //p7 = rotational_matrix_OBB * p7 + position;
  //p8 = rotational_matrix_OBB * p8 + position;

  //pcl::PointXYZ pt1 (p1 (0), p1 (1), p1 (2));
  //pcl::PointXYZ pt2 (p2 (0), p2 (1), p2 (2));
  //pcl::PointXYZ pt3 (p3 (0), p3 (1), p3 (2));
  //pcl::PointXYZ pt4 (p4 (0), p4 (1), p4 (2));
  //pcl::PointXYZ pt5 (p5 (0), p5 (1), p5 (2));
  //pcl::PointXYZ pt6 (p6 (0), p6 (1), p6 (2));
  //pcl::PointXYZ pt7 (p7 (0), p7 (1), p7 (2));
  //pcl::PointXYZ pt8 (p8 (0), p8 (1), p8 (2));

  //viewer->addLine (pt1, pt2, 1.0, 0.0, 0.0, "1 edge");
  //viewer->addLine (pt1, pt4, 1.0, 0.0, 0.0, "2 edge");
  //viewer->addLine (pt1, pt5, 1.0, 0.0, 0.0, "3 edge");
  //viewer->addLine (pt5, pt6, 1.0, 0.0, 0.0, "4 edge");
  //viewer->addLine (pt5, pt8, 1.0, 0.0, 0.0, "5 edge");
  //viewer->addLine (pt2, pt6, 1.0, 0.0, 0.0, "6 edge");
  //viewer->addLine (pt6, pt7, 1.0, 0.0, 0.0, "7 edge");
  //viewer->addLine (pt7, pt8, 1.0, 0.0, 0.0, "8 edge");
  //viewer->addLine (pt2, pt3, 1.0, 0.0, 0.0, "9 edge");
  //viewer->addLine (pt4, pt8, 1.0, 0.0, 0.0, "10 edge");
  //viewer->addLine (pt3, pt4, 1.0, 0.0, 0.0, "11 edge");
  //viewer->addLine (pt3, pt7, 1.0, 0.0, 0.0, "12 edge");

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

  return (0);
}

实验结果：上面更新之前的是AABB_box_pcl.exe的结果。

example2/bounding_box.cpp结果：

这是上面代码的结果：红色AABB 蓝色OBB

肆、坐标系相关

PCL点云库visualization模块中的PCLVisualizer类，它是PCL可视化3D点云的主要类。其中addCoordinateSystem()函数可以在可视化窗口中的坐标原点(0，0，0）处添加一个红绿蓝三色的三维指示坐标轴，红色是X轴，绿色是Y轴，蓝色是Z，也就是说PCL点云库中使用的是右手三维坐标系。