PCL：compute3DCentroid ❤️ 计算点云质心

文章目录

1 函数原型
2 代码实现
3 输出结果
4 源码

1 函数原型

  compute3DCentroid (const pcl::PointCloud<PointT> &cloud, Eigen::Vector4f &centroid)；

2 代码实现

给定点云，返回点云质心，数据类型为 Vector4f

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/common/centroid.h>using namespace std;typedef pcl::PointXYZ PointT;int main()
{//------------------------------------ 加载点云 ---------------------------------pcl::PointCloud<PointT>::Ptr cloud(new pcl::PointCloud<PointT>);pcl::PCDReader reader;    if (reader.read("tree.pcd", *cloud) < 0){PCL_ERROR("\a->点云文件不存在！\n");system("pause");return -1;}cout << "->加载了 " << cloud->points.size() << " 个数据点" << endl;//==============================================================================//-------------------------------- 获取点云质心 ---------------------------------Eigen::Vector4f centroid;                 //存放质心坐标pcl::compute3DCentroid(*cloud, centroid);   //计算点云质心cout << "\n->点云质心为：" << "(" << centroid[0] << ", " << centroid[1] << ", " << centroid[2] << ")" << endl;//==============================================================================return 0;
}

3 输出结果

->加载了 5746 个数据点->点云质心为：(1.6172, 1.74113, 4.83147)

4 源码

template <typename PointT, typename Scalar> inline unsigned int
pcl::compute3DCentroid (const pcl::PointCloud<PointT> &cloud, Eigen::Matrix<Scalar, 4, 1> &centroid)
{if (cloud.empty ())return (0);// Initialize to 0centroid.setZero ();// For each point in the cloud// If the data is dense, we don't need to check for NaNif (cloud.is_dense){for (size_t i = 0; i < cloud.size (); ++i){centroid[0] += cloud[i].x;centroid[1] += cloud[i].y;centroid[2] += cloud[i].z;}centroid /= static_cast<Scalar> (cloud.size ());centroid[3] = 1;return (static_cast<unsigned int> (cloud.size ()));}// NaN or Inf values could exist => check for themelse{unsigned cp = 0;for (size_t i = 0; i < cloud.size (); ++i){// Check if the point is invalidif (!isFinite (cloud [i]))continue;centroid[0] += cloud[i].x;centroid[1] += cloud[i].y;centroid[2] += cloud[i].z;++cp;}centroid /= static_cast<Scalar> (cp);centroid[3] = 1;return (cp);}
}

PCL：compute3DCentroid ❤️ 计算点云质心相关推荐

PCL之计算点云质心---pcl::compute3DCentroid()
质心计算公式质心指的是质量的中心,认为是物体质量集中于此点的假想点. 通常物体质心坐标计算公式如下: 其中,为各质点的坐标,为质点对应的质量. PCL函数原理计算点云质心时,令上述公式中的即可,则 ...
PCL: 获取点云的质心（几何中心点）
获取点云的质心有两种方式,一种是pcl自带的API:pcl::compute3DCentroid(*cloud, centroid);,另一种是用数学的方式求所有点坐标的平均值.下面的代码实现了这 ...
PCL：demeanPointCloud ❤️ 去点云质心
文章目录 1 函数原型 2 代码实现 3 结果展示 4 源码 1 函数原型 pcl::demeanPointCloud (const pcl::PointCloud<PointT> &am ...
pcl::compute3DCentroid()计算质心算法原理
质心计算公式质心指的是质量的中心,认为是物体质量集中于此点的假想点. 通常物体质心坐标PcP_cPc计算公式如下: Pc=1M∑i=0nmiriP_c = \frac{1}{M} \sum_{i= ...
pcl计算点云法向量
最近因为项目,需要计算点云的法向量,所以在网上看了一些资料,然后知道pcl库里面有这些功能,pcl的法向量计算的原理: pcl里面计算点云(自己的理解) 根据顶点采样最近的局部点云(k个),根据自己的 ...
【PCL自学：Segmentation3】基于PCL的点云分割：区域增长分割
基于PCL的点云区域增长分割一.什么是区域增长分割二.区域增长分割原理剖析三.区域增长分割示例代码一.什么是区域增长分割在本文中,我们将学习如何使用pcl:: regiongrow类中实 ...
PCL的PNG文件和计算点云重心
PCL提供节约一点云的值为一个PNG图像文件的可能方案.显然,这只能用有序的点云来完成,因为生成的图像的行和列将与点云的对应完全一致.例如,如果你从一个传感器Kinect或Xtion的点云,你可以用这 ...
PCL点云处理之点云质心的三种计算方法（七十六）
PCL点云处理之点云质心的三种计算方法(七十六) 一.质心? 二.算法实验 1.代码 2.效果一.质心? 就计算某块点云坐标均值,可以调库,也可以自己算,easy 二.算法实验 1.代码代码如下( ...
三维重建PCL：点云单侧面正射投影
终于把点云单侧面投影正射投影的代码写完了,为一个阶段,主要使用平面插值方法,且只以XOY平面作为的正射投影面.有些凑合的地方,待改进. 方法思路:使用Mesh模型,对每一个表面进行表面重建.借助Ope ...

PCL：compute3DCentroid ❤️ 计算点云质心

文章目录

1 函数原型

2 代码实现

3 输出结果

4 源码

PCL：compute3DCentroid ❤️ 计算点云质心相关推荐

最新文章

热门文章