第五周编程学习（3.27-4.2）

RPCR

已于 2023-04-27 22:41:34 修改

阅读量277

点赞数

分类专栏：学习日记文章标签：学习

于 2023-03-27 22:26:43 首次发布

本文链接：https://blog.csdn.net/z377989129/article/details/129804422

版权

学习日记专栏收录该内容

5 篇文章 1 订阅

订阅专栏

第一天3.27 星期一时间计算

第二天3.28 星期二 CMake用法

第三天3.29 星期三 navicat15的安装

第四天3.30 星期四交叉表法、CSF

第五天3.31 星期五指针和引用、PCDReader和loadPCDFile

第六天4.1 星期六 Hough变换、include

第七天4.2 星期日点云颜色、离群点去除算法

本周总结：

第一天3.27 星期一时间计算

今天主要学习了Hough变换、欧氏距离聚类算法、布料模拟滤波算法，但有待进一步深入学习，另一方向，今天还学习了C++和Python的计算运行时间的函数，例子如下：

C++第一种方法：

#include<iostream>
#include<ctime>

using namespace std;

const int N = 999;
int main() {

    clock_t start, end;

    start = clock();
    printf("Start: %ld\n", start);
    int a,sum = 0;
    for (int i = 0; i < N; i++) {
        //一个用时为0.002s的小循环
        a = i * i;
        sum += a;
    }
    printf("%ld", sum);
    std::cout << sum << endl;
    end = clock();
    printf("End: %ld\n", end);

    double elapsedTime = static_cast<double>(end - start) / CLOCKS_PER_SEC;
    //clock()以毫秒的形式展现，因此需要除以 CLOCKS_PER_SEC 来实现转换
    //static_cast<double>的作用是将结果转换为double类型
    printf("CPU PROCESSING TIME: %f", elapsedTime);
    return 0;
}

C++第二种方法（推荐）：

#include<ctime>    
auto start = std::clock();

auto end = std::clock();
std::cerr << "耗时" << std::difftime(end, start) << "ms" << std::endl;

Python：

import time

def powers(limit):
    sum = 0
    for i in range(0,limit):
        a = i*i
        sum += a
    return sum


start = time.time()

print(powers(999))
end = time.time()

print(end-start)  # 1.0257349014282227 (秒)

第二天3.28 星期二 CMake用法

今天熟悉了软著的提交流程，同时也学习了CMake的使用方法，同时也完成了两种软件以及C++代码对CSF算法的实现。

一、使用CMake的基本步骤：

1.将list拖进去，建立build，设置路径

2.按configure，报红,进行参数设置

3.再按configure，有些需对vcxproj文件进行修改

4.generate

5.打开VS，生成ALL_BUILD

6.在自己的项目里分别添加include，lib，依赖项

二、VS中批量注释：Ctrl+K+C

三、VScode中放大缩小：Ctrl+-

四、PCL库中未有CSF，所有要从外部接入

五、几种输出类型不同平台下不一样

%lld 输出有符号64位的

%llu 输出无符号64位的

%llx 输出64位16进制数的

第三天3.29 星期三 navicat15的安装

今天主要学习了navicat15的破解过程，其结果如下：

1、在本站下载并解压，可得到navicat150_sqlite_cs_x64.exe源程序以及注册机

2、双击源程序开始安装
3、将注册机文件夹中的文件复制到安装目录下替换，打开注册机，选择SQLite，然后点击patch按钮，提示navicat. exe -x64-> Cracked！点击确定，先不要退出注册机
4、运行软件，点击注册，进入注册界面
5、点击注册机generate生成按钮，将生成的注册序列号复制到窗口中，点击激活
6、出现提示，点击手动激活
7、将软件中的请求码复制到注册机框区，点击下方的generate生成新的激活码，激活码生成并自动填充到软件中，点击下方的激活按钮

注：如果时间长了出现问题失去激活，重新激活不了，那就重新安装软件

第四天3.30 星期四交叉表法、CSF

一、了解了论文中随机点和真实DEM的回归的问题

500个随机点选择之后，可知道其x坐标，对生成DEM和真实DEM的y坐标进行计算即可

二、了解点云精度的评价指标——交叉表法

交叉表法是通过计算点云采样点在真实表面和重建表面中的分类情况来评估重建表面的精度。这种方法将点云表面划分为四个部分：真实表面上的正确分类点（TP, True Positive）、真实表面上的错误分类点（FN, False Negative）、重建表面上的错误分类点（FP, False Positive）和重建表面上的正确分类点（TN, True Negative）。其中，TP表示真实表面上被正确分类的点数，FN表示真实表面上被错误分类的点数，FP表示被重建表面错误分类的点数，TN表示被正确分类为非表面的点数。

通过计算这些分类，可以得到四个统计量：准确度（Accuracy）、精度（Precision）、召回率（Recall）和F1分数（F1 score）。其中，准确度表示正确分类的点数占所有点数的比例，精度表示重建表面上正确分类的点数占所有被分类为表面的点数的比例，召回率表示真实表面上正确分类的点数占所有真实表面上的点数的比例，F1分数则是精度和召回率的调和平均数，可以综合评估重建表面的精度。

三、CSF的相关代码的学习

#include "E:\yan1\exercise\C_C++\PCL\CSF\src\CSF.h"
#include "E:\yan1\exercise\C_C++\PCL\CSF\src\point_cloud.h"

int main(int argc, char** argv)
{

	//1、文件读取
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);//创建点云容器，点云类型xyz
	//判断是否读取失败
	if (pcl::io::loadPCDFile<pcl::PointXYZ>("ys.pcd ", *cloud) == -1)
	{
		//读取失败不仅要跳出提示信息，还要返回一个错误值-1
		PCL_ERROR("ply文件读取失败 \n");
		return(-1);		
	}

	//CSF滤波模块的参数设置
	CSF csfilter;
	csfilter.params.bSloopSmooth = true;  //是否后处理
	csfilter.params.cloth_resolution = 1.0; //布料分辨率
	csfilter.params.rigidness = 2;  //布料硬度，也就是节点回调次数
	csfilter.params.time_step = 0.65;	//时间步长
	csfilter.params.class_threshold = 0.5; //地面点阈值，距离布料0.5M以下的为地面点
	csfilter.params.interations = 500; //迭代次数500

	std::vector<csf::Point> csfPoints;
	for (int i = 0; i < cloud->points.size(); i++)
	{
		csf::Point a;
		a.x = cloud->points[i].x;
		a.y = cloud->points[i].y;
		a.z = cloud->points[i].z;
		csfPoints.push_back(a);
	}
	csfilter.setPointCloud(csfPoints);

	std::vector<int> ground_index;
	std::vector<int> non_ground_index;
	csfilter.do_filtering(ground_index, non_ground_index);



	pcl::PointCloud<pcl::PointXYZ>::Ptr dimiancloud(new pcl::PointCloud<pcl::PointXYZ>);//地面
	pcl::PointCloud<pcl::PointXYZ>::Ptr feidimiancloud(new pcl::PointCloud<pcl::PointXYZ>);//非地面
	for (int i = 0; i < ground_index.size(); i++)
	{
		pcl::PointXYZ a;
		a.x = csfPoints[ground_index[i]].x;
		a.y = csfPoints[ground_index[i]].y;
		a.z = csfPoints[ground_index[i]].z;
		dimiancloud->push_back(a);
	}
	for (int i = 0; i < non_ground_index.size(); i++)
	{
		pcl::PointXYZ a;
		a.x = csfPoints[non_ground_index[i]].x;
		a.y = csfPoints[non_ground_index[i]].y;
		a.z = csfPoints[non_ground_index[i]].z;
		feidimiancloud->push_back(a);
	}


	std::cerr << " 地面点保存 " << std::endl;
	pcl::io::savePCDFileBinary("dimian.pcd", *dimiancloud);
	std::cerr << " 非地面点保存 " << std::endl;
	pcl::io::savePCDFileBinary("feidimian.pcd", *feidimiancloud);

	pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("viewer"));
	pcl::PointCloud<pcl::PointNormal>::Ptr dimian(new pcl::PointCloud<pcl::PointNormal>);
	pcl::io::loadPCDFile("dimian.pcd", *dimian);
	std::cerr << " 地面点显示 " << std::endl;
	viewer->addPointCloud<pcl::PointNormal>(dimian, "cloud");
	while (!viewer->wasStopped())
	{
		viewer->spinOnce();
	}

	std::cerr << " 运行完毕 " << std::endl;

	system("pause");
	return 0;
}