点云统一法线方向（未知视点）

大致思路：定义起始种子点后通过当前点k邻域搜索最邻近点，调整邻近点法线朝向与当前种子点法线朝向同向，然后传播出去。
具体实现：（1）用vector模拟两个栈points和normals，存放点云的点和法线。首先将初始种子点压入这两个栈。
（2）设置一个和点云点数相同大小的flags用来标记点云中的点是否被生长过，并将初始种子点的标志位置为true。
（3）建立点云的kd树。
（4）分别从points和normals弹出最后一个值作为当前种子点，计算该点对应的法线，并求出其k邻域点。
（5）遍历该点的k邻域点，若该点未被标记过，判断该点与当前种子点法线朝向是否同向，如果反向则翻转法线方向。将该点压入栈中并将该点的标志位置为true。
（6）返回（4），直到栈为空。

/**
* @brief normal_flip   法线方向翻转
* @param cloud         点云
* @param cloud_normals 点云法线
* @param seed_index    种子点索引
*/
void normal_flip(pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud, pcl::PointCloud<pcl::Normal>::Ptr& cloud_normals, int seed_index)
{std::vector<pcl::PointXYZ> points;std::vector<pcl::Normal> normals;points.push_back(cloud->points[seed_index]);normals.push_back(cloud_normals->points[seed_index]);std::vector<bool> flags(cloud->size(), false);   //用来标记点云中的点是否被生长过flags[seed_index] = true;pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;kdtree.setInputCloud(cloud);int K = 20;std::vector<int> pointsIdx(K);          //索引std::vector<float> pointsDistance(K);   //距离while (!normals.empty()){pcl::PointXYZ seed_point = points.back();   //种子点pcl::Normal seed_normal = normals.back();   //种子点法线points.pop_back();normals.pop_back();kdtree.nearestKSearch(seed_point, K, pointsIdx, pointsDistance);    //k近邻搜索Eigen::Vector3f v1(seed_normal.normal_x, seed_normal.normal_y, seed_normal.normal_z);for (size_t i = 0; i < pointsIdx.size(); i++){if (!flags[pointsIdx[i]])   //如果该点没有被生长到{Eigen::Vector3f   v2(cloud_normals->points[pointsIdx[i]].normal_x,cloud_normals->points[pointsIdx[i]].normal_y,cloud_normals->points[pointsIdx[i]].normal_z);if (v1.dot(v2) < 0) //如果该点法线方向与种子点法线方向相反（夹角为钝角），则翻转法线方向{cloud_normals->points[pointsIdx[i]].normal_x *= -1;cloud_normals->points[pointsIdx[i]].normal_y *= -1;cloud_normals->points[pointsIdx[i]].normal_z *= -1;}points.push_back(cloud->points[pointsIdx[i]]);normals.push_back(cloud_normals->points[pointsIdx[i]]);flags[pointsIdx[i]] = true;    //标记该点已经被生长过}}}//std::vector<int> indexs;//for (size_t i = 0; i < flags.size(); ++i)//{//  if (flags[i])//     indexs.push_back(i);//}//pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_flag(new pcl::PointCloud<pcl::PointXYZ>);//pcl::copyPointCloud(*cloud, indexs, *cloud_flag);//pcl::io::savePCDFile("cloud_flag.pcd", *cloud_flag);
}

效果展示：
pcl法线提取结果（法线朝向有内有外）

统一法线方向结果（法线朝向都朝外侧）

参考：无序点云的法线全局定向

点云统一法线方向（未知视点）相关推荐

pcl点云特征提取法线估计 PFH FPFH NARF 惯量偏心矩 RoPs特征视点特征直方图VFH GASD特征
pcl点云特征提取法线估计 PFH FPFH NARF 惯量偏心矩 RoPs特征视点特征直方图VFH GASD特征博文末尾支持二维码赞赏哦 _ 如果要对一个三维点云进行描述,光有点云的位置是 ...
Open3d之点云顶点法线估计
代码展示 # -*-coding:utf-8 -*- import os import open3d as o3d import numpy as nptest_data_dir = '/home/p ...
技术实力加速企业上云，联想混合云获评专有云优秀案例入选混合云全景图四大方向
7月25-26日,由中国信息通信研究院.中国通信标准化协会联合主办的第十届可信云大会在京顺利召开.大会重磅发布了云计算白皮书(2023年).<混合云产业全景图(2023)>.中国算力服务研 ...
【点云重采样Resampling】Python-pcl 基于多项式平滑点云及法线估计的曲面重建
1. 点云重采样基于多项式平滑点云及法线估计的曲面重建以实现重采样,可以使得点云数据更规整一些,没之前那么杂乱. set_Compute_Normals(True) 可以通过在最小二乘法中进行法线估 ...
与容器服务 ACK 发行版的深度对话第二弹：如何借助 hybridnet 构建混合云统一网络平面
作者:若禾.昱晟.瑜佳记者: 各位阿里巴巴云原生的读者朋友们大家好,欢迎再次来到探究身世之谜系列专访栏目,今天邀请来的还是大家的老朋友,『阿里云容器服务 ACK 发行版』,上次的访谈中它为我们介绍了 ...
多边形的时针方向与法线方向
从相反的法线方向观察,顺时针还是逆时针是相反的. 多边形的时针方向与法线方向的关系呈右手法则关系. GoogleEarth中的面具有时针方向,法线方向为正向,反之为负向 GoogleEarth的垂面在 ...
等分曲线轮廓，法线方向矩形
利用Halcon均匀分割曲线,并标记法线方向. 原始图片: 处理效果如下所示: 代码: read_image (Image, 'C:/Users/Sawyer/Desktop/13_36559_e7f ...
如何沿法线方向挤出面
本文基于Blender 2.8 正式版在面的编辑模式下,假设我们选择了一些像下面这样曲度比较复杂的面我们尝试着用普通的挤出命令E把它们挤出,就出现了下面的结果一般来说这不会是我们想要的结果.实际 ...
科力锐助力政务云统一灾备中心建设
一.政务云建设趋势随着我国政府向公共服务型政府转型,政府对民生问题的重视不断加强,通过搭建政务云,对政府管理和服务职能进行精简.优化.整合,并通过信息化手段在政务上实现各种业务流程办理和职能服务,经 ...
蓝鲸智云统一开发环境搭建指南
腾讯官方的<蓝鲸智云统一开发环境搭建指南> 蓝鲸应用统一开发环境指南一:背景蓝鲸应用开发需要依赖django,celery,mysql-client等第三方库,而像celery又依赖其 ...

点云统一法线方向（未知视点）

点云统一法线方向（未知视点）相关推荐

最新文章

热门文章