多帧点云数据拼接合并_点云拼接
一、前言
本文内容源自高翔博士新书《视觉SLAM十四讲》第5章相机与图像的实践环节。如果对SLAM感兴趣,强烈建议入手这本书。读这本书要比看网上这些胡乱拼凑的博客(包括本文)好得多。
二、什么是点云?
顾名思义,点云就是一大堆点放在一起,就像一朵云彩一样。所以说点云拼接是个挺有艺术感的事儿。
譬如说,我拿着RGB-D相机拍了一组照片。与普通相机不同的是,这些照片中的每个像素既有颜色又有深度。这深度值的作用可是非同小可,我们可以根据每个照片的拍摄角度和拍摄位置把这些照片组合起来,形成三维的立体图案。以下图所示的五张图片为例,它们是分别从不同角度拍摄的同一个房间。
Paste_Image.png
接下来,通过点云拼接,我们就可以还原这个房间的三维场景。
三、预备工具
Linux操作系统
Eigen3.2.1,boost1.59.0,pcl1.7.2等开源库
四、开始写代码
Step1:读取RGB图片和深度图片,以及相机位姿数据。
在本例程中,相机位姿数据是已知的,保存在“pose.txt”文件中。不过对于实际的SLAM,相机位姿数据是通过前端视觉里程计,并通过后端优化才得出的。由于本文只关注点云拼接,因此直接使用相机位姿就可以了,而不必关心它是从何而来的。
int main( int argc, char** argv )
{
//Step 1
vector<:mat> colorImgs, depthImgs; // 彩色图和深度图
vector<:isometry3d> poses; // 相机位姿
ifstream fin("./pose.txt");
for ( int i=0; i<5; i++ )
{
boost::format fmt( "./%s/%d.%s" ); //图像文件格式
colorImgs.push_back( cv::imread( (fmt%"color"%(i+1)%"png").str() ));
depthImgs.push_back( cv::imread( (fmt%"depth"%(i+1)%"pgm").str(), -1 )); // 使用-1读取原始图像
double data[7] = {0};
for ( auto& d:data )
fin>>d;
Eigen::Quaterniond q( data[6], data[3], data[4], data[5] );
Eigen::Isometry3d T(q);
T.pretranslate( Eigen::Vector3d( data[0], data[1], data[2] ));
poses.push_back( T );
}
//Step 2...
}
代码中值得关注的有两个地方:
使用了boost::format的格式化字符串功能拼接出图片文件名。
取出相机位姿,包括用四元数表示的旋转和xyz轴平移,保存到变换矩阵T中。
Step 2:设定相机内参
相机内参用来将图片中的像素点转换到相机坐标系,进而再使用变换矩阵T变换到世界坐标系。
int main( int argc, char** argv )
{
//Step 1...
//Step 2
// 相机内参
double cx = 325.5;
double cy = 253.5;
double fx = 518.0;
double fy = 519.0;
double depthScale = 1000.0;
//Step 3...
}
Step 3:拼接点云
pcl点云库提供了非常方便的调用接口,只需要传入每个点的三维坐标和颜色,就可以把多张图片自动拼接到一起。
int main( int argc, char** argv )
{
//Step 1...
//Step 2...
//Step 3
// 定义点云使用的格式:这里用的是XYZRGB
typedef pcl::PointXYZRGB PointT;
typedef pcl::PointCloud PointCloud;
// 新建一个点云
PointCloud::Ptr pointCloud( new PointCloud );
for ( int i=0; i<5; i++ )
{
cout<
cv::Mat color = colorImgs[i];
cv::Mat depth = depthImgs[i];
Eigen::Isometry3d T = poses[i];
for ( int v=0; v
for ( int u=0; u
{
unsigned int d = depth.ptr ( v )[u]; // 深度值
if ( d==0 ) continue; // 为0表示没有测量到
Eigen::Vector3d point; //point用来保存该点在相机坐标系下的坐标
point[2] = double(d)/depthScale; //深度值根据深度相机规定的尺度因子确定
point[0] = (u-cx)*point[2]/fx; //计算x坐标,该等式来源于针孔相机模型
point[1] = (v-cy)*point[2]/fy; //计算y坐标,该等式也来源于针孔相机模型
Eigen::Vector3d pointWorld = T*point; //将相机坐标系下的坐标变换到世界坐标系
PointT p ;
p.x = pointWorld[0];
p.y = pointWorld[1];
p.z = pointWorld[2];
p.b = color.data[ v*color.step+u*color.channels() ];
p.g = color.data[ v*color.step+u*color.channels()+1 ];
p.r = color.data[ v*color.step+u*color.channels()+2 ];
pointCloud->points.push_back( p ); //点云中添加一个点
}
}
pointCloud->is_dense = false;
cout<size()<
pcl::io::savePCDFileBinary("map.pcd", *pointCloud );
}
这段代码的关键在于最内层的循环体,每次循环处理一个像素点。关键行的代码已经加了详细的注释。需要强调的有两点:
从像素坐标到相机坐标的变换来自于针孔相机模型,这部分理论知识本文不做过多解释。建议阅读《视觉SLAM十四讲》的第五章“相机与图像”以加深理解。
世界坐标系下的点是用Eigen::Vector3d保存的,而点云中的点是用PointT保存的,它们并不兼容。
Step 4:编译运行
到了这步,按理说应该是一马平川了。谁知在测试的过程中反而遇到了许多麻烦,我把它们列出来供大家参考。
安装pcl库
需要注意的是不同系统的安装命令不一样,书上以Ubuntu14.04为例,而我的电脑是Debian 8,应当以官网的安装教程为准。此外,pcl库需要用到boost1.62.0,缺少的话运行时会报错。
链接出错
使用find_package命令查找pcl库的时候,会把Qt5Widgets也加入链接列表。这是合理的,但是它却把Qt5Widgets库文件名当成了libQt5::Widgets.so,于是找不到链接文件。其实正确的名字是libQt5Widgets.so,没有中间的冒号。这类问题出现的原因现在还不太清楚,解决办法是,创建一个指向libQt5Widgets.so的软链接,软链接名字设为libQt5::Widgets.so,程序就能链接成功了。
五、运行效果
运行程序,会生成一个map.pcd文件,这是一个点云文件。输入命令
pcl_viewer map.pcd
即可看到如下所示的三维场景。而且可以鼠标控制旋转、缩放哦,是不是很炫酷呢!
多帧点云数据拼接合并_点云拼接相关推荐
- 多帧点云数据拼接合并_点云拼接注册
点云拼接,配准,注册有什么联系 点云拼接,配准,注册说的是同一个概念,就是把不同位置的点云通过重叠部分的信息,变换到同一个位置.下面我们就用注册这个名词来描述这个过程.注册一般分为三类:粗注册,精细注 ...
- 多帧点云数据拼接合并_PCL点云处理实践(二):点云的处理和拼接
滤除背景 我们获得的点云可能包含一部分背景的点云.要去除背景,只保留人体信息,最简单的方式是使用直通滤波器滤除较远点.这部分代码如下:1 2 3 4 5 6pcl::PassThrough<:p ...
- 华云数字实名认证图片_华云数据与安宁完成产品兼容互认证 携手推出安宁安全邮件系统联合解决方案...
日前,华云数据的国产通用型云操作系统安超OS 2020与安宁邮件(安全)系统软件V9.0完成产品兼容性互认证.本次兼容性互认证经华云数据与安宁联合测试得出:产品相互兼容,系统功能运行稳定,产品体验良好 ...
- 从bag包中提取图片和点云数据为pcd格式点云文件
从bag包中提取图片和点云数据为pcd格式点云文件 1 开始提取bag包之前的准备工作 2 从bag包中提取图片和点云数据 首先说明一下我运行的系统环境: python2 Ubuntu18.04 RO ...
- 华云数据“上药控股混合云平台”荣获“2021年度混合云优秀案例”
12月23日,由中国信息通信研究院.中国通信标准化协会主办的2021混合云大会盛大召开.政府主管们领导.协会知名专家.行业企业代表汇聚一堂,围绕混合云架构与应用场景.多云管理平台.云网能力.行业混合云 ...
- 多帧点云数据拼接合并_自动驾驶:Lidar 3D传感器点云数据和2D图像数据的融合标注...
自动驾驶汽车的发展已经见证了硬件传感器记录感官数据的容量和准确度的发展.传感器的数量增加了,新一代传感器正在记录更高的分辨率和更准确的测量结果. 在本文中,我们将探讨传感器融合如何在涉及环环相扣的数据 ...
- 多帧点云数据拼接合并_基于单帧图像与稀疏点云融合的道路交通标线提取算法研究...
摘要: 近年来以人工智能为代表的新一代科学技术迅速发展,众多基于位置的新型服务对传统导航电子地图提出新的需求.GNSS(Global Navigation Satellite System,全球导航卫 ...
- matlab中给三维点云数据增加随机噪声_诺斯顿测量|三维激光扫描技术让化工厂改造变得更轻松和高效...
突发!9月1日下午,淄博一化工厂内发生火情,浓烟滚滚.据目击者称,火情发生在当天17:20左右并未造成人员伤亡,目前已被扑灭,起火原因尚在调查. 化工厂火灾.爆炸事故频繁发生每一次都让人唏嘘不已.据统 ...
- 华为云数据库mysql云灾备方案_华为云MySQL云灾备解决方案,为企业数据提供全方位的异地保护...
华为云MySQL云灾备解决方案,为企业数据提供全方位的异地保护 2019年10月30日 17:30作者:黄页编辑:黄页 分享 随着数字化进程和企业上云的加快,越来越多企业数据库寻求高效稳定的云服务,数 ...
- 华为云平台使用手册_华为云首发全生命周期应用平台,四大能力解决政企上云五大难题...
9月19日,在华为全联接大会上,华为云正式发布全生命周期应用平台.华为云应用平台服务产品部副总经理汪维敏介绍,华为云无缝整合三大尖刀产品(华为云DevCloud.ServiceStage.ROMA), ...
最新文章
- [转]优化Flash性能
- 领克linux系统怎么下载软件,新升级的领克车机系统好用吗?我们来盘一下
- centos7 安装配置mesos+marathon+zookeeper
- 论文笔记:MobileFaceNet
- Silverlight C# 游戏开发:游戏循环体的五种设计方式
- Sql Server 监控 Job 执行情况
- 浅谈《刺客信条》的叙事:刺客和圣殿骑士的冲突与融合
- Alpha冲刺(8/10)
- 前端学习(624):小结
- Java语言基本元素
- 选修课期末html作业,中南大学生命科学导论选修课期末作业
- 剑指Offer之逆序对问题
- serv u使用mysql数据库_Serv-u Mysql数据库用户
- 数模美赛分享(时间安排+获奖技巧+比赛思路)
- 订单系统:订单生成及其状态机流转介绍
- python考勤记录_python做考勤统计
- 为什么越长大越不想过生日
- k8s-污点和容忍度
- 最优潮流 OPF 算例资源网站
- block标签、inline标签、inline-block标签的特点
热门文章
- resform3.0_ResForm3.0公益版
- ZooX首发双向电动无人车,会成为自动驾驶出行的主流吗?
- C语言实现平衡二叉树
- oracle数据库技术_创建 pdb数据库
- 第五人格显示服务器维护中请稍后登录怎么办,《第五人格》未知异常 请稍后重试登不上去如何解决...
- 相关系数excel_如何用Excel计算自相关系数?
- SPSS——相关分析——Pearson简单相关系数
- Ubuntu安装微软雅黑字体
- nopCommerce 3.9 大波浪系列 之 汉化-Roxy Fileman
- android 经纬度方向,Android获取经纬度计算距离介绍