PCL_FPFH特征提取及直方图显示

#include <iostream>#include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/visualization/cloud_viewer.h> #include <pcl/visualization/histogram_visualizer.h>#include <pcl/point_types.h>#include <pcl/features/fpfh.h>#include <pcl/filters/fast_bilateral.h>#include <pcl/filters/passthrough.h>#include <pcl/filters/radius_outlier_removal.h>#include <pcl/filters/voxel_grid.h>#include <pcl/features/normal_3d.h>#include <pcl/visualization/pcl_plotter.h>#include <vtkAutoInit.h>  #define vtkRenderingCore_AUTOINIT 3(vtkInteractionStyle,vtkRenderingFreeType,vtkRenderingOpenGL2) VTK_MODULE_INIT(vtkRenderingOpenGL);int main(){pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);if (pcl::io::loadPCDFile<pcl::PointXYZ>("test_pcd.pcd", *cloud) == -1) //* 读入PCD格式的文件，如果文件不存在，返回-1  {PCL_ERROR("Couldn't read file test_pcd.pcd \n"); //文件不存在时，返回错误，终止程序。  return (-1);}pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_fillter(new pcl::PointCloud<pcl::PointXYZ>);pcl::PassThrough<pcl::PointXYZ> pass;pass.setInputCloud(cloud);pass.setFilterFieldName("z");pass.setFilterLimits(0.0, 1.0);pass.filter(*cloud_fillter);pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filltered(new pcl::PointCloud<pcl::PointXYZ>);pcl::VoxelGrid<pcl::PointXYZ> sor;sor.setInputCloud(cloud_fillter);sor.setLeafSize(0.01f, 0.01f, 0.01f);sor.filter(*cloud_filltered);/*pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_outerfillter(new pcl::PointCloud<pcl::PointXYZ>);pcl::RadiusOutlierRemoval<pcl::PointXYZ> outrem;outrem.setInputCloud(cloud_filltered);outrem.setRadiusSearch(0.8);outrem.setMinNeighborsInRadius(5);outrem.filter(*cloud_outerfillter);*/pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>());pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;ne.setInputCloud(cloud_filltered);ne.setSearchSurface(cloud);pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());ne.setSearchMethod(tree);pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>);ne.setRadiusSearch(0.03);ne.compute(*cloud_normals);pcl::FPFHEstimation<pcl::PointXYZ, pcl::Normal, pcl::FPFHSignature33> fpfh;fpfh.setInputCloud(cloud_filltered);fpfh.setInputNormals(cloud_normals);pcl::search::KdTree<pcl::PointXYZ>::Ptr tree_1(new pcl::search::KdTree<pcl::PointXYZ>);fpfh.setSearchMethod(tree_1);pcl::PointCloud<pcl::FPFHSignature33>::Ptr fpfhs(new pcl::PointCloud<pcl::FPFHSignature33>());fpfh.setRadiusSearch(0.05);fpfh.compute(*fpfhs);boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));pcl::visualization::PCLPlotter plotter;plotter.addFeatureHistogram<pcl::FPFHSignature33>(*fpfhs,"fpfh",100);int v1(0);viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1);viewer->setBackgroundColor(0, 0, 0, v1);viewer->addPointCloud<pcl::PointXYZ>(cloud, "sample cloud1", v1);int v2(0);viewer->createViewPort(0.5, 0.0, 1.0, 1.0, v2);viewer->addPointCloud<pcl::PointXYZ>(cloud_filltered, "sample cloud2", v2);viewer->setBackgroundColor(0.3, 0.3, 0.3, v2);viewer->addPointCloudNormals<pcl::PointXYZ, pcl::Normal>(cloud_filltered, cloud_normals, 10, 0.2, "normals", v2);viewer->initCameraParameters();while (!viewer->wasStopped()){plotter.plot();viewer->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(100000));}return 0;}

关于这部分的原理可以看http://pointclouds.org/documentation/tutorials/fpfh_estimation.php#fpfh-estimation，这个PCL官网解释的还是很清楚的，其实我们只要知道这个特征的目的就好了，它是3D特征描述符的一种，所以它就类似于二维图像中的sift特征一样，可以用来做点云的识别，后期的VFH特征其实也是基于这个的。