PCL提取点云的边界

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/io/pcd_io.h>
#include <pcl/features/normal_3d.h>
#include <pcl/features/boundary.h> //边界提取
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>using namespace std;int
main()
{pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);pcl::io::loadPCDFile("d://PCD//11.pcd", *cloud);cout << "加载点云" << cloud->points.size() << "个" << endl;//------------------------计算法向量---------------------------pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> n;pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);n.setInputCloud(cloud);n.setSearchMethod(tree);n.setRadiusSearch(1);pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);n.compute(*normals);//-----------------------边界特征估计--------------------------pcl::BoundaryEstimation<pcl::PointXYZ, pcl::Normal, pcl::Boundary> boundEst;boundEst.setInputCloud(cloud);boundEst.setInputNormals(normals);boundEst.setRadiusSearch(3);boundEst.setAngleThreshold(M_PI / 5);//边界判断时的角度阈值boundEst.setSearchMethod(tree);pcl::PointCloud<pcl::Boundary> boundaries;boundEst.compute(boundaries);pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_boundary(new pcl::PointCloud<pcl::PointXYZ>);for (int i = 0; i < cloud->points.size(); i++){if (boundaries[i].boundary_point > 0){cloud_boundary->push_back(cloud->points[i]);}}cout << "边界点个数:" << cloud_boundary->points.size() << endl;//pcl::io::savePCDFileASCII("YY11.pcd", *cloud_boundary);//-------------------------可视化-----------------------------boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("ShowCloud"));int v1(0);viewer->setWindowName("边界提取");viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1);viewer->setBackgroundColor(0, 0, 0, v1);viewer->addText("Raw point clouds", 10, 10, "v1_text", v1);int v2(0);viewer->createViewPort(0.5, 0.0, 1, 1.0, v2);viewer->setBackgroundColor(0.5, 0.5, 0.5, v2);viewer->addText("Boudary point clouds", 10, 10, "v2_text", v2);viewer->addPointCloud<pcl::PointXYZ>(cloud, "sample cloud", v1);viewer->addPointCloud<pcl::PointXYZ>(cloud_boundary, "cloud_boundary", v2);viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1, 0, 0, "sample cloud", v1);viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0, 1, 0, "cloud_boundary", v2);//view->addCoordinateSystem(1.0);//view->initCameraParameters();while (!viewer->wasStopped()){viewer->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(100000));}return 0;
}

PCL提取点云的边界相关推荐

PCLl从Vlp-16录制好的bag包提取点云数据
本文将记录Vlp-16的使用的一些常规操作,以及报错解决方法. 查看录制的bag包信息 rosbag info out.bag 录制的bag包为out.bag保存在data文件夹下,创建文件夹存放提取 ...
PCL：点云数据基于法线的边界提取(从最初的法线估计理论推导到最终的边界提取)
该边界提取采用PCL库里边的方法,基于法线估计来实现的边界检测与提取: 首先从原始点云上计算出法线,再由法线结合数据估计出边界.(这样解释还是特别抽像吧) ------------法线求解:(平面的法 ...
PCL+opencv通过2D方式提取点云边缘
1.2D方法提取边缘的原因如上图所示我们通过PCL常规的方法提取边缘后是有内边缘和外边缘的,假设我们需要的是外边缘可能需要做一些诸如聚类分割的方法,给我们带来许多不便. 2.2D方法的思路熟悉op ...
PCL提取3D点云模型特征（3.0 FPFH快速点特征直方图）附完整代码
一.概述上一篇博客解释了PFH是什么以及如何利用PFH来提取点云的特征,那么讲了PFH(PCL提取3D点云模型特征(2.0 PFH点特征直方图 )附完整代码)之后肯定是要接着说FPFH的.本来想着把 ...
PCL提取3D点云模型特征（1.0 点云曲率）
一.随便扯扯的概述在进入到计算机图形学的研究中已经过去了好几个月了,自然免不了要跟PCL打交道.在学习PCL的过程中,越来越觉得PCL真的是个非常强大的工具,让人爱不释手,但同时也让人感到沮丧,因为 ...
【点云处理技术之PCL】点云分割算法1——平面模型分割、圆柱模型分割和欧式聚类提取(含欧式聚类原理)
文章目录 1. 平面分割 2. 圆柱分割 3. 欧式聚类分割 1. 平面分割下列中,先随机创建了z=1.0的随机点,然后改变其中3个点的z值.最后,使用SACMODEL_PLANE平面模型对它进行拟 ...
PCL 三维点云轮廓提取
PCL 三维点云轮廓提取建一个pclfive文件夹,建一个pclfive.cpp文档如下: #include <iostream> #include <pcl/range_imag ...
29 基于PCL的点云平面分割拟合算法技术路线（针对有噪声的点云数据）
0 引言最近项目中用到了基于PCL开发的基于平面的点云和CAD模型的配准算法,点云平面提取采用的算法如下. 1 基于PCL的点云平面分割拟合算法 2 参数及其意义介绍 (1)点云下采样 1. 参数: ...
如何在三维模型中按一定密度提取点云数据（详细说明）
最近在查提取点运数据的相关资料时,发现在三维模型中提取点云数据的资料较少,有都不适合没有基础的小白阅读,于是在本人仔细查阅资料并研读一天后总结了一种较为方便且利于没有这方面基础的小白阅读完成. 1.所 ...
[自动驾驶-目标检测] C++ PCL 连通域点云聚类
文章目录引言标签连通域聚类原理 Octree + LCC 代码实现 Octree + LCC 测试结果 Octree + LCC 的优缺点改进思路参考文献引言在实际实现3D目标检测时,在不 ...

PCL提取点云的边界

PCL提取点云的边界相关推荐

最新文章

热门文章