PCL ——最小包围盒

2018年09月21日 15:31:01 不懂音乐的欣赏者阅读数：35 标签： PCL包围盒外接矩形最小矩形收起

个人分类： PCL

1.包围盒简介

包围盒也叫外接最小矩形,是一种求解离散点集最优包围空间的算法，基本思想是用体积稍大且特性简单的几何体（称为包围盒）来近似地代替复杂的几何对象。
常见的包围盒算法有AABB包围盒、包围球、方向包围盒OBB以及固定方向凸包FDH。碰撞检测问题在虚拟现实、计算机辅助设计与制造、游戏及机器人等领域有着广泛的应用，甚至成为关键技术。而包围盒算法是进行碰撞干涉初步检测的重要方法之一。

在此借助于PCL点云库寻找点云的最小包围盒,代码参考网上代码,因为工程需要包围盒的顶点坐标或偏转角度,网上代码都只画出了最小包围盒没有求出顶点坐标,所以自己折腾了很久终于把顶点坐标求出,下面将代码放出来供大家参考.

2.原理简述

最小包围盒的计算过程大致如下:
1.利用PCA主元分析法获得点云的三个主方向，获取质心，计算协方差，获得协方差矩阵，求取协方差矩阵的特征值和特长向量，特征向量即为主方向。
2.利用1中获得的主方向和质心，将输入点云转换至原点，且主方向与坐标系方向重回，建立变换到原点的点云的包围盒。
3.给输入点云设置主方向和包围盒，通过输入点云到原点点云变换的逆变换实现。

最小包围盒顶点计算的过程大致如下:
1.输入点云转换至远点后,求得变换后点云的最大最小x,y,z轴的坐标,此时(max.x,max.y,max.z),(max.x,min.y,max.z),(max.x,max.y,min.z),(min.x,max.y,max.z),(min.x,max.y,min.z),(min.x,min.y,max.z),(min.x,min.y,max.z),(min.x,min.y,min.z)
即为变换后点云的包围盒,也是原始输入点云包围盒顶点坐标经过变化后的坐标.
2.将上述求得的6个包围盒坐标逆变换回输入点云的坐标系,即得到原始输入点云的包围盒顶点坐标.

3.详细代码

#include <iostream>
#include <pcl/ModelCoefficients.h>
#include <pcl/io/pcd_io.h>
#include <pcl/filters/project_inliers.h>
#include <pcl/filters/extract_indices.h>
#include <pcl/sample_consensus/method_types.h>
#include <pcl/sample_consensus/model_types.h>
#include <pcl/segmentation/sac_segmentation.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/passthrough.h>
#include <pcl/features/normal_3d.h>
#include <pcl/filters/radius_outlier_removal.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/segmentation/extract_clusters.h>
#include <Eigen/Core>
#include <pcl/common/transforms.h>
#include <pcl/common/common.h>
#include <pcl/common/time.h>
#include <pcl/common/angles.h>
#include <pcl/registration/transformation_estimation_svd.h>using namespace std;
typedef pcl::PointXYZ PointType;
typedef struct myPointType
{  double x;  //mm world coordinate x  double y;  //mm world coordinate y  double z;  //mm world coordinate z  int num;   //point num
}; // Get N bits of the string from back to front.
char* Substrend(char*str,int n)
{char *substr=(char*)malloc(n+1);int length=strlen(str);if (n>=length){strcpy(substr,str);return substr;}int k=0;for (int i=length-n;i<length;i++){substr[k]=str[i];k++;}substr[k]='\0';return substr;
}int main(int argc, char **argv)
{// create point cloud  pcl::PointCloud<PointType>::Ptr cloud(new pcl::PointCloud<PointType>());// load datachar* fileType;if (argc>1){fileType = Substrend(argv[1],3);}if (!strcmp(fileType,"pcd")){// load pcd filepcl::io::loadPCDFile(argv[1], *cloud);}else if(!strcmp(fileType,"txt")){// load txt data file  int number_Txt;myPointType txtPoint; vector<myPointType> points; FILE *fp_txt; fp_txt = fopen(argv[1], "r");  if (fp_txt)  {  while (fscanf(fp_txt, "%lf %lf %lf", &txtPoint.x, &txtPoint.y, &txtPoint.z) != EOF)  {  points.push_back(txtPoint);  }  }  else  std::cout << "txt数据加载失败！" << endl;  number_Txt = points.size();  cloud->width = number_Txt;  cloud->height = 1;     cloud->is_dense = false;  cloud->points.resize(cloud->width * cloud->height);  for (size_t i = 0; i < cloud->points.size(); ++i)  {  cloud->points[i].x = points[i].x;  cloud->points[i].y = points[i].y;  cloud->points[i].z = 0;  }  }else {std::cout << "please input data file name"<<endl;return 0;}// start calculating timepcl::StopWatch time;Eigen::Vector4f pcaCentroid;pcl::compute3DCentroid(*cloud, pcaCentroid);Eigen::Matrix3f covariance;pcl::computeCovarianceMatrixNormalized(*cloud, pcaCentroid, covariance);Eigen::SelfAdjointEigenSolver<Eigen::Matrix3f> eigen_solver(covariance, Eigen::ComputeEigenvectors);Eigen::Matrix3f eigenVectorsPCA = eigen_solver.eigenvectors();Eigen::Vector3f eigenValuesPCA = eigen_solver.eigenvalues();eigenVectorsPCA.col(2) = eigenVectorsPCA.col(0).cross(eigenVectorsPCA.col(1)); //校正主方向间垂直eigenVectorsPCA.col(0) = eigenVectorsPCA.col(1).cross(eigenVectorsPCA.col(2));eigenVectorsPCA.col(1) = eigenVectorsPCA.col(2).cross(eigenVectorsPCA.col(0));std::cout << "特征值va(3x1):\n" << eigenValuesPCA << std::endl;std::cout << "特征向量ve(3x3):\n" << eigenVectorsPCA << std::endl;std::cout << "质心点(4x1):\n" << pcaCentroid << std::endl;/*// 另一种计算点云协方差矩阵特征值和特征向量的方式:通过pcl中的pca接口，如下，这种情况得到的特征向量相似特征向量pcl::PointCloud<pcl::PointXYZ>::Ptr cloudPCAprojection (new pcl::PointCloud<pcl::PointXYZ>);pcl::PCA<pcl::PointXYZ> pca;pca.setInputCloud(cloudSegmented);pca.project(*cloudSegmented, *cloudPCAprojection);std::cerr << std::endl << "EigenVectors: " << pca.getEigenVectors() << std::endl;//计算特征向量std::cerr << std::endl << "EigenValues: " << pca.getEigenValues() << std::endl;//计算特征值*/Eigen::Matrix4f tm = Eigen::Matrix4f::Identity();Eigen::Matrix4f tm_inv = Eigen::Matrix4f::Identity();tm.block<3, 3>(0, 0) = eigenVectorsPCA.transpose();   //R.tm.block<3, 1>(0, 3) = -1.0f * (eigenVectorsPCA.transpose()) *(pcaCentroid.head<3>());//  -R*ttm_inv = tm.inverse();std::cout << "变换矩阵tm(4x4):\n" << tm << std::endl;std::cout << "逆变矩阵tm'(4x4):\n" << tm_inv << std::endl;pcl::PointCloud<PointType>::Ptr transformedCloud(new pcl::PointCloud<PointType>);pcl::transformPointCloud(*cloud, *transformedCloud, tm);PointType min_p1, max_p1;Eigen::Vector3f c1, c;pcl::getMinMax3D(*transformedCloud, min_p1, max_p1);c1 = 0.5f*(min_p1.getVector3fMap() + max_p1.getVector3fMap());std::cout << "型心c1(3x1):\n" << c1 << std::endl;Eigen::Affine3f tm_inv_aff(tm_inv);pcl::transformPoint(c1, c, tm_inv_aff);Eigen::Vector3f whd, whd1;whd1 = max_p1.getVector3fMap() - min_p1.getVector3fMap();whd = whd1;float sc1 = (whd1(0) + whd1(1) + whd1(2)) / 3;  //点云平均尺度，用于设置主方向箭头大小std::cout << "width1=" << whd1(0) << endl;std::cout << "heght1=" << whd1(1) << endl;std::cout << "depth1=" << whd1(2) << endl;std::cout << "scale1=" << sc1 << endl;const Eigen::Quaternionf bboxQ1(Eigen::Quaternionf::Identity());const Eigen::Vector3f    bboxT1(c1);const Eigen::Quaternionf bboxQ(tm_inv.block<3, 3>(0, 0));const Eigen::Vector3f    bboxT(c);//变换到原点的点云主方向PointType op;op.x = 0.0;op.y = 0.0;op.z = 0.0;Eigen::Vector3f px, py, pz;Eigen::Affine3f tm_aff(tm);pcl::transformVector(eigenVectorsPCA.col(0), px, tm_aff);pcl::transformVector(eigenVectorsPCA.col(1), py, tm_aff);pcl::transformVector(eigenVectorsPCA.col(2), pz, tm_aff);PointType pcaX;pcaX.x = sc1 * px(0);pcaX.y = sc1 * px(1);pcaX.z = sc1 * px(2);PointType pcaY;pcaY.x = sc1 * py(0);pcaY.y = sc1 * py(1);pcaY.z = sc1 * py(2);PointType pcaZ;pcaZ.x = sc1 * pz(0);pcaZ.y = sc1 * pz(1);pcaZ.z = sc1 * pz(2);//初始点云的主方向PointType cp;cp.x = pcaCentroid(0);cp.y = pcaCentroid(1);cp.z = pcaCentroid(2);PointType pcX;pcX.x = sc1 * eigenVectorsPCA(0, 0) + cp.x;pcX.y = sc1 * eigenVectorsPCA(1, 0) + cp.y;pcX.z = sc1 * eigenVectorsPCA(2, 0) + cp.z;PointType pcY;pcY.x = sc1 * eigenVectorsPCA(0, 1) + cp.x;pcY.y = sc1 * eigenVectorsPCA(1, 1) + cp.y;pcY.z = sc1 * eigenVectorsPCA(2, 1) + cp.z;PointType pcZ;pcZ.x = sc1 * eigenVectorsPCA(0, 2) + cp.x;pcZ.y = sc1 * eigenVectorsPCA(1, 2) + cp.y;pcZ.z = sc1 * eigenVectorsPCA(2, 2) + cp.z;//Rectangular vertex pcl::PointCloud<PointType>::Ptr transVertexCloud(new pcl::PointCloud<PointType>);//存放变换后点云包围盒的6个顶点pcl::PointCloud<PointType>::Ptr VertexCloud(new pcl::PointCloud<PointType>);//存放原来点云中包围盒的6个顶点transVertexCloud->width = 6;  transVertexCloud->height = 1;     transVertexCloud->is_dense = false;  transVertexCloud->points.resize(transVertexCloud->width * transVertexCloud->height);  transVertexCloud->points[0].x = max_p1.x;transVertexCloud->points[0].y = max_p1.y;transVertexCloud->points[0].z = max_p1.z;transVertexCloud->points[1].x = max_p1.x;transVertexCloud->points[1].y = max_p1.y;transVertexCloud->points[1].z = min_p1.z;transVertexCloud->points[2].x = max_p1.x;transVertexCloud->points[2].y = min_p1.y;transVertexCloud->points[2].z = min_p1.z;transVertexCloud->points[3].x = min_p1.x;transVertexCloud->points[3].y = max_p1.y;transVertexCloud->points[3].z = max_p1.z;transVertexCloud->points[4].x = min_p1.x;transVertexCloud->points[4].y = min_p1.y;transVertexCloud->points[4].z = max_p1.z;transVertexCloud->points[5].x = min_p1.x;transVertexCloud->points[5].y = min_p1.y;transVertexCloud->points[5].z = min_p1.z;pcl::transformPointCloud(*transVertexCloud, *VertexCloud, tm_inv);// 逆变换回来的角度cout << whd1(0) << " "<< whd1(1) << " " << whd1(2) << endl;auto euler = bboxQ1.toRotationMatrix().eulerAngles(0, 1, 2); std::cout << "Euler from quaternion in roll, pitch, yaw"<< std::endl << euler/3.14*180 << std::endl<<std::endl;//Output time consumption std::cout << "运行时间" << time.getTime() << "ms" << std::endl;//visualizationpcl::visualization::PCLVisualizer viewer;pcl::visualization::PointCloudColorHandlerCustom<PointType> tc_handler(transformedCloud, 0, 255, 0); //设置点云颜色//Visual transformed point cloudviewer.addPointCloud(transformedCloud, tc_handler, "transformCloud");viewer.addCube(bboxT1, bboxQ1, whd1(0), whd1(1), whd1(2), "bbox1");viewer.setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_REPRESENTATION, pcl::visualization::PCL_VISUALIZER_REPRESENTATION_WIREFRAME, "bbox1");viewer.setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0.0, 1.0, 0.0, "bbox1");viewer.addArrow(pcaX, op, 1.0, 0.0, 0.0, false, "arrow_X");viewer.addArrow(pcaY, op, 0.0, 1.0, 0.0, false, "arrow_Y");viewer.addArrow(pcaZ, op, 0.0, 0.0, 1.0, false, "arrow_Z");pcl::visualization::PointCloudColorHandlerCustom<PointType> color_handler(cloud, 255, 0, 0);  viewer.addPointCloud(cloud, color_handler, "cloud");viewer.addCube(bboxT, bboxQ, whd(0), whd(1), whd(2), "bbox");viewer.setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_REPRESENTATION, pcl::visualization::PCL_VISUALIZER_REPRESENTATION_WIREFRAME, "bbox");viewer.setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1.0, 0.0, 0.0, "bbox");viewer.addArrow(pcX, cp, 1.0, 0.0, 0.0, false, "arrow_x");viewer.addArrow(pcY, cp, 0.0, 1.0, 0.0, false, "arrow_y");viewer.addArrow(pcZ, cp, 0.0, 0.0, 1.0, false, "arrow_z");viewer.addCoordinateSystem(0.5f*sc1);viewer.setBackgroundColor(0.0, 0.0, 0.0);viewer.addPointCloud(VertexCloud, "temp_cloud");viewer.setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 10, "temp_cloud");while (!viewer.wasStopped()){viewer.spinOnce();}return 0;
}

4.代码编译

在次使用的是CMake编译,因此需要添加CMakeLists.txt文件后才可以进行编译

mkdir build
cd build
cmake ..
make

5.运行

运行时记得在后面加上点云文件的名字,代码里面支持’.pcd’格式和’.txt’格式,其它格式需要自己编写读取代码.’.txt’格式的文件中点云格式如下,一行代表一个点的坐标,横轴、纵轴、竖轴坐标之间加空格隔开:

point1.x point1.y point1.z
point2.x point2.y point2.z
...
pointN.x pointN.y pointN.z

运行命令如下

./rectangular_bounding_box ../milk.pcd

6.效果图

2维点云包围盒效果图

3维点云包围盒效果图

3维点云包围盒运行时间图

7.完整代码下载

如果不想自己写“CMakeLists.txt”的朋友可以下完整的代码，点击这里下载，包括“.cpp”文件，“CMakeLists.txt”文件。

参考：https://blog.csdn.net/qq_16775293/article/details/82801240

PCL ——最小包围盒(画出了最小包围盒并求出顶点坐标)相关推荐

80x86汇编语言循环结构找出最小的偶数并在屏幕上显示求出数组的平均值显示在屏幕上
题目1 写一个完整的80X86汇编语言程序:键盘输入15个数据(转换成数值,存储到一维数组中,数值的长度为字),找出最小的偶数并在屏幕上显示,若没有偶数则显示"没有偶数!". .d ...
python opencv最小外接矩形_Opencv绘制最小外接矩形、最小外接圆
Opencv中求点集的最小外结矩使用方法minAreaRect,求点集的最小外接圆使用方法minEnclosingCircle. minAreaRect方法原型: RotatedRect minAre ...
js实现：函数实现从小到大排列，函数求阶乘计算结果和求出阶乘函数的和
1.函数实现从小到大排列 // 给出一组数据,要求按照从小到大进行排序. <script> function toLarge(arr_B) {arr_B = arr_B.sort(func ...
从键盘输入10个互不相同的整数，找出其中最小的元素将其与数组中的第一个元素进行交换。
题目: /* 从键盘输入10个互不相同的整数,找出其中最小的元素将其与数组中的第一个元素进行交换. */ 代码: c++做的. #include<iostream> using names ...
Java黑皮书课后题第7章：7.10（找出最小元素的下标）使用下面的方法头编写一个方法，求出一个整数数组中的最小元素下标。编写测试程序，提示用户输入10个数字，调用这个方法返回最小值的下标（多个则最小
7.10(找出最小元素的下标)使用下面的方法头编写一个方法,求出一个整数数组中的最小元素下标.编写测试程序,提示用户输入10个数字,调用这个方法返回最小值的下标(多个则返回最小的下标) 题目题目描述 ...
Java黑皮书课后题第7章：7.9（找出最小元素）使用下面的方法头编写一个方法，求出一个整数数组中的最小元素。编写测试程序，提示用户输入10个数字，调用这个方法返回最小值，并显示这个最小值
7.9(找出最小元素)使用下面的方法头编写一个方法,求出一个整数数组中的最小元素.编写测试程序,提示用户输入10个数字,调用这个方法返回最小值,并显示这个最小值题目题目描述与运行示例破题代码 ...
C语言试题二十三之编写一个函数void function(int tt[m][n],int pp[n]),tt指向一个m行n列的二维函数组，求出二维函数组每列中最小元素，并依次放入pp所指定一维数组中
1. 题目请编写一个函数void function(int tt[m][n],int pp[n]),tt指向一个m行n列的二维函数组,求出二维函数组每列中最小元素,并依次放入pp所指定一维数组中.二 ...
剑指offer_输入n个整数，找出其中最小的K个数
最小的K个数题目描述输入n个整数,找出其中最小的K个数.例如输入4,5,1,6,2,7,3,8这8个数字,则最小的4个数字是1,2,3,4,. 本题无非就是排序,取前K个值.但选什么排序算法呢? ...
枚举算法：最小连续n个合数。试求出最小的连续n个合数（其中n是键盘输入的任意正整数）。
最小连续n个合数.试求出最小的连续n个合数(其中n是键盘输入的任意正整数). 思路: 判断素数合数,同时计数,然后数量满足n个的合数,得到其区间,输出. 流程图: 代码: #include<ti ...

PCL ——最小包围盒(画出了最小包围盒并求出顶点坐标)

PCL ——最小包围盒

1.包围盒简介

2.原理简述

3.详细代码

4.代码编译

5.运行

6.效果图

7.完整代码下载

PCL ——最小包围盒(画出了最小包围盒并求出顶点坐标)相关推荐

最新文章

热门文章