PCL法线估计

来源：互联网发布：java 整型类型编辑：程序博客网时间：2024/05/23 20:15

平面的法线是垂直于它的单位向量。在点云的表面的法线被定义为垂直于与点云表面相切的平面的向量。表面法线也可以计算点云中一点的法线，被认为是一种十分重要的性质。
法线提供了关于曲面的曲率信息，这是它的优势。许多的PCL的算法需要我们提供输入点云的法线。为了估计它们，代码分析如下

#include <pcl/io/pcd_io.h>#include <pcl/features/normal_3d.h>#include <boost/thread/thread.hpp>#include <pcl/visualization/pcl_visualizer.h>int main(int argc,char**argv){//创建点云对象pcl::PointCloud<pcl::PointXYZ>::Ptr  cloud(new pcl::PointCloud<pcl::PointXYZ>);//创建法线的对象pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);//读取PCD文件if(pcl::io::loadPCDFile<pcl::PointXYZ>(argv[1],*cloud) !=0){ return -1;}//创建法线估计的对象pcl::NormalEstimation<pcl::PointXYZ,pcl::Normal> normalEstimation;normalEstimation.setInputCloud(cloud);//对于每一个点都用半径为3cm的近邻搜索方式normalEstimation.setRadiusSearch(0.03);//Kd_tree是一种数据结构便于管理点云以及搜索点云，法线估计对象会使用这种结构来找到哦啊最近邻点pcl::search::KdTree<pcl::PointXYZ>::Ptr kdtree(new pcl::search::KdTree<pcl::PointXYZ>);normalEstimation.setSearchMethod(kdtree);//计算法线normalEstimation.compute(*normals);//可视化boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("Normals"));viewer->addPointCloud<pcl::PointXYZ>(cloud,"cloud");while(!viewer->wasStopped())  { viewer->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(1000000)); }}

试验结果就是运行命令，这里就随便输入一个PCD 文件

可能看不处什么效果*********************

(2)图像积分

积分图像是对有序点云的发现的估计的一种方法。该算法把点云作为一个深度图像，并创建一定的矩形区域来计算法线，考虑到相邻像素关系，而无需建立树形查询结构。因此，它是非常有效的。

#include <pcl/io/pcd_io.h>#include <pcl/features/integral_image_normal.h>#include <boost/thread/thread.hpp>#include <pcl/visualization/pcl_visualizer.h>intmain(int argc, char** argv){    // 点云数据对象    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);    // 法线对象    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);    // 读取文件    if (pcl::io::loadPCDFile<pcl::PointXYZ>(argv[1], *cloud) != 0)    {        return -1;    }    // 法线估计对象    pcl::IntegralImageNormalEstimation<pcl::PointXYZ, pcl::Normal> normalEstimation;    normalEstimation.setInputCloud(cloud);    // 法线估计方法: COVARIANCE_MATRIX, AVERAGE_DEPTH_CHANGE, SIMPLE_3D_GRADIENT.        normalEstimation.setNormalEstimationMethod(normalEstimation.AVERAGE_3D_GRADIENT);    //设置深度变化的阀值    normalEstimation.setMaxDepthChangeFactor(0.02f);    // 设置计算法线的区域    normalEstimation.setNormalSmoothingSize(10.0f);    // 计算    normalEstimation.compute(*normals);    // 可视化    boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("Normals"));    viewer->addPointCloud<pcl::PointXYZ>(cloud, "cloud");    viewer->addPointCloudNormals<pcl::PointXYZ, pcl::Normal>(cloud, normals, 20, 0.03, "normals");    while (!viewer->wasStopped())    {        viewer->spinOnce(100);        boost::this_thread::sleep(boost::posix_time::microseconds(100000));    }}

结果可视化

具体官方的网址查看pointclouds.org/documentation/tutorials/normal_estimation_using_integral_images.php

大神请忽略！！！！

微信公众号号可扫描二维码一起共同学习交流

0 0