基于区域增长的点云分割

来源：互联网发布：miki张木易分手知乎编辑：程序博客网时间：2024/06/15 18:19

Region growing segmentation（基于区域增长的点云分割）

http://pointclouds.org/documentation/tutorials/region_growing_segmentation.php#region-growing-segmentation

pcl::RegionGrowing （该类在PCL 1.7.0才有的）

pcl::NormalEstimation 计算法向量

算法思路：

选择种子点：在当前点集A中选择有最小曲率的点加入种子点集
区域增长：寻找种子点的邻域点，对于位于A中且与种子点的法向量夹角小于阈值的邻域点，将其加入当前区域中，如果其曲率小于阈值则也加入种子点集
对于每个种子点，重复2，最终输出一组类，每个类的点都认为是同一平滑表面的一部分。

region_growing_segmentation.cpp

#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/features/normal_3d.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/filters/passthrough.h>
#include <pcl/segmentation/region_growing.h>

int
main (int argc, char** argv)
{
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
if ( pcl::io::loadPCDFile <pcl::PointXYZ> ("region_growing_tutorial.pcd", *cloud) ==-1)
  {
    std::cout <<"Cloud reading failed."<< std::endl;
return (-1);
  }

  pcl::search::Search<pcl::PointXYZ>::Ptr tree = boost::shared_ptr<pcl::search::Search<pcl::PointXYZ>> (new pcl::search::KdTree<pcl::PointXYZ>);
  pcl::PointCloud <pcl::Normal>::Ptr normals (new pcl::PointCloud <pcl::Normal>);
  pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimator;
  normal_estimator.setSearchMethod (tree);
  normal_estimator.setInputCloud (cloud);
  normal_estimator.setKSearch (50);
  normal_estimator.compute (*normals);

  pcl::IndicesPtr indices (new std::vector <int>);
  pcl::PassThrough<pcl::PointXYZ> pass;
  pass.setInputCloud (cloud);
  pass.setFilterFieldName ("z");
  pass.setFilterLimits (0.0, 1.0);
  pass.filter (*indices);

  pcl::RegionGrowing<pcl::PointXYZ, pcl::Normal> reg;
  reg.setMinClusterSize (50);
  reg.setMaxClusterSize (1000000);
  reg.setSearchMethod (tree);
  reg.setNumberOfNeighbours (30);
  reg.setInputCloud (cloud);
//reg.setIndices (indices);
  reg.setInputNormals (normals);
  reg.setSmoothnessThreshold (3.0/180.0* M_PI);
  reg.setCurvatureThreshold (1.0);

  std::vector <pcl::PointIndices> clusters;
  reg.extract (clusters);

  std::cout <<"Number of clusters is equal to "<< clusters.size () << std::endl;
  std::cout <<"First cluster has "<< clusters[0].indices.size () <<" points."<< endl;
  std::cout <<"These are the indices of the points of the initial"<<
    std::endl <<"cloud that belong to the first cluster:"<< std::endl;
int counter =0;
while (counter < clusters[0].indices.size ())
  {
    std::cout << clusters[0].indices[counter] <<", ";
    counter++;
if (counter %10==0)
      std::cout << std::endl;
  }
  std::cout << std::endl;

  pcl::PointCloud <pcl::PointXYZRGB>::Ptr colored_cloud = reg.getColoredCloud ();
  pcl::visualization::CloudViewer viewer ("Cluster viewer");
  viewer.showCloud(colored_cloud);
while (!viewer.wasStopped ())
  {
  }

  return (0);
}

CMakeLists.txt

cmake_minimum_required(VERSION 2.8 FATAL_ERROR)

project(region_growing_segmentation)

find_package(PCL 1.5 REQUIRED)

include_directories(${PCL_INCLUDE_DIRS})link_directories(${PCL_LIBRARY_DIRS})add_definitions(${PCL_DEFINITIONS})

add_executable (region_growing_segmentation region_growing_segmentation.cpp)target_link_libraries (region_growing_segmentation ${PCL_LIBRARIES})

0 0