PCL提取点云轮廓1

---

前言

使用pcl点云库，对点云进行处理，提取平面，最后通过法向量估计平面的外轮廓。

---

一、数据来源？

3D线激光传感器采集的点云数据。

二、提取步骤

1.读取点云数据

代码如下（示例）：

#pragma warning (disable:4996)

#include <pcl/io/pcd_io.h>
#include <pcl/ModelCoefficients.h>
#include <pcl/point_types.h>
#include <pcl/segmentation/sac_segmentation.h>
#include <pcl/features/normal_3d.h>
#include <pcl/point_cloud.h>
#include <pcl/filters/extract_indices.h>
#include <pcl/features/boundary.h>
#include <vector>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/filters/passthrough.h>


pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::PCDReader reader;
	reader.read("cloud_out_ascii1.pcd", *cloud);

2.提取平面(通过点云高度筛选)

代码如下（示例）：

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_plane(new pcl::PointCloud<pcl::PointXYZ>);
pcl::PassThrough<pcl::PointXYZ> pass;
	pass.setInputCloud(cloud);
	pass.setFilterFieldName("z");
	pass.setFilterLimits(1.4, 10.0);
	pass.setFilterLimitsNegative(false);
	pass.filter(*cloud_plane);

3.计算平面法向量

pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());
pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normEst;
	//pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
	pcl::PointCloud < pcl::Normal>::Ptr normals_plane(new pcl::PointCloud<pcl::Normal>);

	normEst.setInputCloud(cloud_plane);
	normEst.setSearchMethod(tree);
	normEst.setKSearch(70);
	normEst.compute(*normals_plane);

4.计算轮廓

pcl::PointCloud<pcl::Boundary> boundaries;

	pcl::BoundaryEstimation<pcl::PointXYZ, pcl::Normal, pcl::Boundary> est;
	//pcl::PointCloud < pcl::Normal>::Ptr normals_plane(new pcl::PointCloud<pcl::Normal>);
	pcl::search::KdTree<pcl::PointXYZ>::Ptr tree_plane(new pcl::search::KdTree<pcl::PointXYZ>);

	est.setInputCloud(cloud_plane);

	est.setInputNormals(normals_plane);

	est.setSearchMethod(tree_plane);

	est.setKSearch(40); //一般这里的数值越高，最终边界识别的精度越好

	est.compute(boundaries);

	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_boundary(new pcl::PointCloud<pcl::PointXYZ>);
	for (int i = 0; i < cloud_plane->size(); i++)
	{
		if (boundaries[i].boundary_point > 0)
		{
			cloud_boundary->points.push_back(cloud_plane->points[i]);
		}
	}

5. 轮廓可视化

	//可视化
	boost::shared_ptr<pcl::visualization::PCLVisualizer> MView(new pcl::visualization::PCLVisualizer("边界提取"));

	int v1(0);
	MView->createViewPort(0.0, 0.0, 0.5, 1.0, v1);
	MView->setBackgroundColor(0.3, 0.3, 0.3, v1);
	MView->addText("Raw point clouds", 10, 10, "v1_text", v1);
	int v2(0);
	MView->createViewPort(0.5, 0.0, 1, 1.0, v2);
	MView->setBackgroundColor(0.5, 0.5, 0.5, v2);
	MView->addText("Boudary point clouds", 80, 80, "v2_text", v2);//将80，80改为10，10结果如右图
	MView->addPointCloud<pcl::PointXYZ>(cloud, "sample cloud", v1);
	MView->addPointCloud<pcl::PointXYZ>(cloud_boundary, "cloud_boundary", v2);
	MView->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1, 0, 0, "sample cloud", v1);
	MView->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0, 1, 0, "cloud_boundary", v2);
	MView->addCoordinateSystem(1.0);
	MView->initCameraParameters();
	MView->spin();

该处使用的url网络请求的数据。

---

总结

通过这种方法提取轮廓速度慢。后续需要加速处理。