【PCL】平面拟合

最新推荐文章于 2024-03-18 18:24:48 发布
最新推荐文章于 2024-03-18 18:24:48 发布
阅读量1.3k 收藏 5
点赞数
分类专栏： # PCL
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhy29563/article/details/106992509
版权
  • CMAKE配置
cmake_minimum_required(VERSION 3.16)
project(FridayLibrary)

set(CMAKE_CXX_STANDARD 14)


SET(BOOST_INCLUDE_DIR C:/Program\ Files/PCL\ 1.11.0/3rdParty/Boost/include)
SET(BOOST_LIBRARY_DIR C:/Program\ Files/PCL\ 1.11.0/3rdParty/Boost/lib)

set(PLC_ROOT        C:/Program\ Files/PCL\ 1.11.0)
set(PLC_INCLUDE_DIR C:/Program\ Files/PCL\ 1.11.0/include)
set(PLC_LIBRARY_DIR C:/Program\ Files/PCL\ 1.11.0/lib)

find_package(PCL REQUIRED)
if(PCL_FOUND)
    message ("PCL found")
else()
    message (FATAL_ERROR "Cannot find PCL")
endif(PCL_FOUND)
include_directories(${PLC_INCLUDE_DIR} ${BOOST_INCLUDE_DIR})
link_directories(${PLC_LIBRARY_DIR} ${BOOST_LIBRARY_DIR})


add_library(FridayLibrary SHARED library.cpp library.h)
target_link_libraries( FridayLibrary PRIVATE
        ${PCL_LIBRARIES}
        ${BOOST_LIBRARIES}
        )
  • PCL + C++平面拟合
pcl::PointXYZ points[36];
points[0].x = 0.2542060f, points[0].y = 0.1991714f, points[0].z = 2.0531f;
points[1].x = 0.3039878f, points[1].y = 0.1993848f, points[1].z = 2.0553f;
points[2].x = 0.3500631f, points[2].y = 0.2034014f, points[2].z = 2.0575f;
points[3].x = 0.4000528f, points[3].y = 0.2074261f, points[3].z = 2.0597f;
points[4].x = 0.4463278f, points[4].y = 0.2076477f, points[4].z = 2.0619f;
points[5].x = 0.4954670f, points[5].y = 0.2112333f, points[5].z = 2.0597f;
points[6].x = 0.2547508f, points[6].y = 0.2604488f, points[6].z = 2.0575f;
points[7].x = 0.2995513f, points[7].y = 0.2634172f, points[7].z = 2.051f;
points[8].x = 0.3458804f, points[8].y = 0.2677685f, points[8].z = 2.0553f;
points[9].x = 0.3958130f, points[9].y = 0.2680552f, points[9].z = 2.0575f;
points[10].x = 0.4415629f, points[10].y = 0.2718583f, points[10].z = 2.0575f;
points[11].x = 0.4916504f, points[11].y = 0.2759562f, points[11].z = 2.0597f;
points[12].x = 0.2512066f, points[12].y = 0.3254502f, points[12].z = 2.0597f;
points[13].x = 0.2963710f, points[13].y = 0.3285541f, points[13].z = 2.0553f;
points[14].x = 0.3458804f, points[14].y = 0.3285541f, points[14].z = 2.0553f;
points[15].x = 0.3928388f, points[15].y = 0.3334204f, points[15].z = 2.0619f;
points[16].x = 0.4425072f, points[16].y = 0.3372317f, points[16].z = 2.0619f;
points[17].x = 0.4883550f, points[17].y = 0.3372317f, points[17].z = 2.0619f;
points[18].x = 0.2471258f, points[18].y = 0.3897563f, points[18].z = 2.0575f;
points[19].x = 0.2922494f, points[19].y = 0.3889228f, points[19].z = 2.0531f;
points[20].x = 0.3420720f, points[20].y = 0.3931387f, points[20].z = 2.0553f;
points[21].x = 0.3881880f, points[21].y = 0.3973626f, points[21].z = 2.0575f;
points[22].x = 0.4391546f, points[22].y = 0.3986373f, points[22].z = 2.0641f;
points[23].x = 0.4840173f, points[23].y = 0.4015947f, points[23].z = 2.0597f;
points[24].x = 0.2430531f, points[24].y = 0.4501251f, points[24].z = 2.0553f;
points[25].x = 0.2925625f, points[25].y = 0.4539242f, points[25].z = 2.0553f;
points[26].x = 0.3386256f, points[26].y = 0.4582132f, points[26].z = 2.0575f;
points[27].x = 0.3894332f, points[27].y = 0.4596831f, points[27].z = 2.0641f;
points[28].x = 0.4353299f, points[28].y = 0.4634984f, points[28].z = 2.0641f;
points[29].x = 0.4840173f, points[29].y = 0.4663176f, points[29].z = 2.0597f;
points[30].x = 0.2395008f, points[30].y = 0.5152606f, points[30].z = 2.0575f;
points[31].x = 0.2893723f, points[31].y = 0.5196187f, points[31].z = 2.0597f;
points[32].x = 0.3344551f, points[32].y = 0.5185088f, points[32].z = 2.0553f;
points[33].x = 0.3860195f, points[33].y = 0.5251033f, points[33].z = 2.0663f;
points[34].x = 0.4315052f, points[34].y = 0.5283596f, points[34].z = 2.0641f;
points[35].x = 0.4812266f, points[35].y = 0.5283596f, points[35].z = 2.0641f;

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

cloud->width = 36;
cloud->height = 1;
cloud->is_dense = false;
cloud->points.resize(cloud->width * cloud->height);
for (size_t i = 0; i < cloud->points.size(); ++i)
{
    cloud->points[i].x = points[i].x;
    cloud->points[i].y = points[i].y;
    cloud->points[i].z = points[i].z;
}

Eigen::VectorXf oef;
const pcl::SampleConsensusModelPlane<pcl::PointXYZ>::Ptr model_p(new pcl::SampleConsensusModelPlane<pcl::PointXYZ>(cloud));
pcl::RandomSampleConsensus<pcl::PointXYZ> ransac(model_p);
ransac.setDistanceThreshold(.005);
ransac.computeModel();
ransac.getModelCoefficients(oef);

std::cout << "coef: " << std::endl << oef << std::endl;
  • C# 封装

头文件

#ifndef FRIDAYLIBRARY_LIBRARY_H
#define FRIDAYLIBRARY_LIBRARY_H
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/sample_consensus/ransac.h>
#include <pcl/sample_consensus/sac_model_plane.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>
#include <pcl/point_cloud.h>
#include <pcl/registration/transformation_estimation_svd.h>
#include <vector>
#ifdef __DLL_BUILD
#define DLL_EXPORT __declspec(dllexport)
#else
#define DLL_EXPORT __declspec(dllimport)
#endif

#ifdef __cplusplus
extern "C" {
#endif


/// <summary>
/// 通过一系列坐标点拟合平面（AX + BY + CX + D = 0）
/// </summary>
/// <param name="p_src_x">X坐标指针</param>
/// <param name="p_src_y">Y坐标指针</param>
/// <param name="p_src_z">Z坐标指针</param>
/// <param name="length">坐标点个数</param>
/// <param name="threshold">用于RANSAC拟合平面时的距离系数</param>
/// <param name="plane_coefficients">返回平面方程的系数[A,B,C,D]</param>
DLL_EXPORT void fit_plane(const float* p_src_x,
                          const float* p_src_y,
                          const float* p_src_z,
                          const size_t length,
                          const double threshold, float* plane_coefficients);
#ifdef __cplusplus
}
#endif
#endif //FRIDAYLIBRARY_LIBRARY_H

源文件

#define __DLL_BUILD
#include "library.h"



/// <summary>
/// 通过一系列坐标点拟合平面（AX + BY + CX + D = 0）
/// </summary>
/// <param name="p_src_x">X坐标指针</param>
/// <param name="p_src_y">Y坐标指针</param>
/// <param name="p_src_z">Z坐标指针</param>
/// <param name="length">坐标点个数</param>
/// <param name="threshold">用于RANSAC拟合平面时的距离系数</param>
/// <param name="plane_coefficients">返回平面方程的系数[A,B,C,D]</param>
void fit_plane(const float* p_src_x,
              const float* p_src_y,
              const float* p_src_z,
              const size_t length,
              const double threshold, float* plane_coefficients)
{
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

	cloud->width = length;
	cloud->height = 1;
	cloud->is_dense = false;
	cloud->points.resize(cloud->width * cloud->height);
	for (size_t i = 0; i < length; ++i)
	{
		cloud->points[i].x = p_src_x[i];
		cloud->points[i].y = p_src_y[i];
		cloud->points[i].z = p_src_z[i];
	}

	const pcl::SampleConsensusModelPlane<pcl::PointXYZ>::Ptr model_p(new pcl::SampleConsensusModelPlane<pcl::PointXYZ>(cloud));
	pcl::RandomSampleConsensus<pcl::PointXYZ> ransac(model_p);
	ransac.setDistanceThreshold(threshold);
	ransac.setMaxIterations(1000);
	ransac.computeModel();

	Eigen::VectorXf coefficients;
	ransac.getModelCoefficients(coefficients);
	
	plane_coefficients[0] = coefficients[0];
	plane_coefficients[1] = coefficients[1];
	plane_coefficients[2] = coefficients[2];
	plane_coefficients[3] = coefficients[3];

}

C#调用

using System;
using System.IO;
using System.Runtime.InteropServices;

namespace ConsoleApp1
{
    internal class Program
    {
        public struct Buffer
        {
            [MarshalAs(UnmanagedType.ByValArray, SizeConst = 128)]
            public byte[] DstAddr;
        }
        [DllImport("./FridayLibrary", CallingConvention = CallingConvention.Cdecl, EntryPoint = "fit_plane")]
        public static extern int FitPlane(float[] x, float[] y, float[] z, int length, double threshold, ref Buffer buf);


        static void Main(string[] args)
        {
            var x = new float[] {0.254206f ,
                        0.3039878f,
                        0.3500631f,
                        0.4000528f,
                        0.4463278f,
                        0.495467f ,
                        0.2547508f,
                        0.2995513f,
                        0.3458804f,
                        0.395813f ,
                        0.4415629f,
                        0.4916504f,
                        0.2512066f,
                        0.296371f ,
                        0.3458804f,
                        0.3928388f,
                        0.4425072f,
                        0.488355f ,
                        0.2471258f,
                        0.2922494f,
                        0.342072f ,
                        0.388188f ,
                        0.4391546f,
                        0.4840173f,
                        0.2430531f,
                        0.2925625f,
                        0.3386256f,
                        0.3894332f,
                        0.4353299f,
                        0.4840173f,
                        0.2395008f,
                        0.2893723f,
                        0.3344551f,
                        0.3860195f,
                        0.4315052f,
                        0.4812266f
                        };
            var y = new float[] {0.1991714f,
                        0.1993848f,
                        0.2034014f,
                        0.2074261f,
                        0.2076477f,
                        0.2112333f,
                        0.2604488f,
                        0.2634172f,
                        0.2677685f,
                        0.2680552f,
                        0.2718583f,
                        0.2759562f,
                        0.3254502f,
                        0.3285541f,
                        0.3285541f,
                        0.3334204f,
                        0.3372317f,
                        0.3372317f,
                        0.3897563f,
                        0.3889228f,
                        0.3931387f,
                        0.3973626f,
                        0.3986373f,
                        0.4015947f,
                        0.4501251f,
                        0.4539242f,
                        0.4582132f,
                        0.4596831f,
                        0.4634984f,
                        0.4663176f,
                        0.5152606f,
                        0.5196187f,
                        0.5185088f,
                        0.5251033f,
                        0.5283596f,
                        0.5283596f
                        };
            var z = new float[] {2.0531f,
                        2.0553f,
                        2.0575f,
                        2.0597f,
                        2.0619f,
                        2.0597f,
                        2.0575f,
                        2.051f ,
                        2.0553f,
                        2.0575f,
                        2.0575f,
                        2.0597f,
                        2.0597f,
                        2.0553f,
                        2.0553f,
                        2.0619f,
                        2.0619f,
                        2.0619f,
                        2.0575f,
                        2.0531f,
                        2.0553f,
                        2.0575f,
                        2.0641f,
                        2.0597f,
                        2.0553f,
                        2.0553f,
                        2.0575f,
                        2.0641f,
                        2.0641f,
                        2.0597f,
                        2.0575f,
                        2.0597f,
                        2.0553f,
                        2.0663f,
                        2.0641f,
                        2.0641f
                        };

            Buffer buf = new Buffer {DstAddr = new byte[128]};

            float[] coefficients = new float[4];
            var ret = FitPlane(x, y, z, z.Length, 0.005, ref buf);

            using (var stream = new MemoryStream(buf.DstAddr))
            {
                using (var reader = new BinaryReader(stream))
                {
                    var a = reader.ReadSingle();
                    var b = reader.ReadSingle();
                    var c = reader.ReadSingle();
                    var d = reader.ReadSingle();

                    Console.WriteLine($"{a}, {b}, {c}, {d}");
                }
            }

            Console.ReadKey();
        }
    }
}

 

zhy29563
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
PCL :实现平面拟合(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
09-17 245
PCL :实现平面拟合(附完整源码)
PCL RANSAC拟合平面（C++详细过程版）
点云侠的博客
01-12 2845
RANSAC拟合平面的C++详细过程实现
基于PLC的自由曲线绘制拟合算法实现
02-25
主要提供一种用PLC来实现画自由曲线的方法，方法简单，思路明确，容易实现
PCL拟合并绘制平面(一)
落叶知秋了哟的博客
03-18 610
PCL拟合并绘制平面
PLC-LiSLAM线-面-圆柱体-激光SLAM
人无远虑，必有近忧
07-18 641
平面、线段与圆柱体广泛存在于人造环境中。在本文中，我们提出了一个使用这些landmark的激光雷达SLAM系统。我们的算法有三个部分：局部建图、全局建图与定位。局部与全局建图模块通过最小化三维点到模型的残差来联合优化这些landmark的参数与位姿，这个过程我们称之为PLCA(plane-line-cylinder adjustment)。可以证明，通过一些预处理，PLCA问题与这些landmark的三维点的数量无关，因此可以使得位姿优化更加高效。定位部分通过将局部地图里的面、线与圆柱体，同全局地图里的面、
PCL Ransac 点云平面拟合 C++
02-25
利用点云库PCL，使用VS2015完成的C++代码，测试文件（.obj）已经在本站上传资源，供大家交流，如有问题欢迎多提宝贵意见 对于不平整表面，利用ransac平面拟合，然后将三维不平整表面近似为一个平面，并将表面上的点投影到该平面，并进行显示 详见本人博客
PCL学习3：平面拟合
qq_16452745的博客
08-07 4669
PCL平面拟合功能位于模块sample_consensus中：PCL sample_consensus 该模块基于“随机抽样一致算法”（RANdom SAmple Consensus），不仅可以永远平面拟合，也可以拟合柱面、球面等，对RANSAC的简单解释： RANSAC可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结...
C++/PCL：最小二乘拟合平面直线，平面多项式曲线，空间多项式曲线
热门推荐
hpu_lx
09-04 1万+
//fitting.h #include <pcl/point_types.h> #include <vector> #include <Eigen/dense> #include <vtkPolyLine.h> #include <pcl/visualization/pcl_visualizer.h> #include <pcl/...
PCL 间接平差法拟合平面
点云侠的博客
03-12 903
间接平差法在点云数据处理中的一个简单应用。
空间平面的最小二乘拟合
04-26
最小二乘法原理以及其平面拟合c++实现代码
带有线/平面拟合示例 的 RANSAC算法的python实现_python_代码_下载
06-07
RANSAC算法的python实现，带有线拟合示例和平面拟合示例
平面圆参数拟合解算代码
最新发布
05-16
基于c++、PCL编程实现的圆参数解算代码，编程原理参考博客：https://blog.csdn.net/qq_32867925/article/details/138921188?spm=1001.2014.3001.5502 实现效果参考博客：...
基于最小二乘法拟合平面得到点云曲面法矢估计
10-14
使用最小二乘法拟合平面，借助pcl点云库中的估计法矢的类来得到模型中点云曲面法矢估计。 是一个较为简单，常用的代码。txt文件
PCL Ransac 点云平面拟合 将三维不平整表面投影到一个平面 C++代码
Morty 的挖坑记录
02-25 3878
参考链接（投影）：https://blog.csdn.net/soaryy/article/details/82884691 参考链接（Ransac拟合）：https://blog.csdn.net/weixin_41758695/article/details/85322304 利用开源的点云库PCL，使用VS2015完成的C++代码，测试文件（.obj）已经在本站（csdn）上传资源，供大...
PCL单个平面拟合
weixin_45388992的博客
03-15 432
#include <pcl/io/pcd_io.h> #include <pcl/sample_consensus/ransac.h> #include <pcl/sample_consensus/sac_model_plane.h> #include <pcl/visualization/pcl_visualizer.h> #include <pcl/filters/extract_indices.h> //根据索引提取内点--方法2所需头文..
PCL- 最小二乘法拟合平面
weixin_39354845的博客
06-01 1618
最小二乘法常用于直线、曲线拟合、平面拟合等
PCL中RANSAC模型的使用
Asher_zheng的专栏
08-17 7073
RANSAC算法是什么 RANSAC算法于1981年由Fischler和Bolles提出，全程是RANdom SAmple Consensus，一般中文翻译为“随机抽样一致性算法”，它是一个迭代算法，主要用于从包含外点（outliers,可理解为噪声）的数据集中估计数学模型的参数。RANSAC算法有两个假设，第一个是假定所有的数据都是由内点和外点组成，内点可由特定参数的模型所表示...
PCL点云处理之建筑物顶面分割（二十一）
weixin_44329757的博客
09-08 1219
PCL点云处理之建筑物顶面分割目的分割效果实验代码 目的 将建筑物顶面分割为多个平面 分割效果 实验代码 #include <iostream> #include <vector> #include <pcl/point_types.h> #include <pcl/io/pcd_io.h> #include <pcl/search/search.h> #include <pcl/search/kdtree.h> #include
PCL 拟合分割平面
u011489887的专栏
02-20 793
PCL 分割提取平面
pcl 平面拟合ransac
12-16
PCL（Point Cloud Library）是一个用于处理点云数据的开源库，而RANSAC（Random Sample Consensus）是一种用于拟合模型的迭代方法。在PCL中，可以使用RANSAC来进行平面拟合，从而识别出点云数据中的平面结构。 具体来说，使用RANSAC进行平面拟合的步骤如下：首先随机选择一定数量的点作为样本，然后根据这些样本点拟合出一个平面模型。接着计算所有点到这个模型的距离，并得到符合距离阈值范围内的内点集。然后再根据内点集重新拟合出一个平面模型，并计算新的距离阈值内的内点集。如此反复迭代，直到满足特定条件为止。 通过使用RANSAC进行平面拟合，可以有效地去除离群点的干扰，从而得到较为准确的平面模型。在PCL库中，可以通过调用相应的函数来实现RANSAC平面拟合，并应用于各种领域，如地图建模、环境感知等。例如，在无人驾驶汽车领域，可以利用RANSAC平面拟合从激光雷达数据中识别出道路和建筑物的平面结构，从而实现精确的环境感知和路径规划。 总之，PCL库中的RANSAC平面拟合是一种强大的数据处理工具，能够帮助用户快速准确地识别出点云数据中的平面结构，为各种应用场景提供重要支持。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

zhy29563

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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