1 从点云创建深度图像

#include <pcl/range_image/range_image.h>int main (int argc, char** argv) {pcl::PointCloud<pcl::PointXYZ> pointCloud;//定义点云对象//生成数据for (float y=-0.5f; y<=0.5f; y+=0.01f) {for (float z=-0.5f; z<=0.5f; z+=0.01f) {pcl::PointXYZ point;point.x = 2.0f - y;point.y = y;point.z = z;pointCloud.points.push_back(point);    //添加点云数据到点云对象}}pointCloud.width = (uint32_t) pointCloud.points.size();pointCloud.height = 1;//设置点云对象的头信息/************************************************************************************这段程序首先创建一组数据作为点云的数据内容，在设置文件头文件的信息，整个实现生成一个呈现矩形形状的点云。***************************************************************************/
//以1度为角分辨率，从上面创建的点云创建深度图像。float angularResolution = (float) (  1.0f * (M_PI/180.0f));
// 1度转弧度float maxAngleWidth     = (float) (360.0f * (M_PI/180.0f));
// 360.0度转弧度float maxAngleHeight    = (float) (180.0f * (M_PI/180.0f));
// 180.0度转弧度Eigen::Affine3f sensorPose = (Eigen::Affine3f)Eigen::Translation3f(0.0f, 0.0f, 0.0f);//采集位置pcl::RangeImage::CoordinateFrame coordinate_frame = pcl::RangeImage::CAMERA_FRAME;//深度图像遵循的坐标系统float noiseLevel=0.00;float minRange = 0.0f;int borderSize = 1;/************************************************************************************
其余代码使用用户给定的参数进行从点云创建深度图像，并且在终端下打印出一些深度图像的信息***************************************************************************/pcl::RangeImage rangeImage;rangeImage.createFromPointCloud(pointCloud, angularResolution, maxAngleWidth, maxAngleHeight, sensorPose, coordinate_frame, noiseLevel, minRange, borderSize);
std::cout << rangeImage << "\n";
}

这部分定义了创建深度图像时需要的设置参数，将角分辩率定义为1°，意味着由邻近的像素点所对应的每个光束之间相差 1°;maxAngleWidth =360和maxAngleHeight=180意味着，我们进行模拟的距离传感器对周围的环境拥有一个完整的360°视角，用户在任何数据集下都可以使用此设置，因为最终获取的深度图像将被裁剪到有空间物体存在的区域范围。但是，用户可以通过减小数值来节省一些计算资源，例如:当传感器后面没有可以观测的点时，一个水平视角为180°的激光扫描仪，即maxAngleWidth=180就足够了，这样只需要观察距离传感器前面就可以了，因为后面没有需要观察的场景。sensorPose 定义了模拟深度图像获取传感器的6自由度位置,其原始值为横滚角roll、俯仰角pitch、偏航角yaw都为 0。coordinate_frame=CAMERA_ _FRAME 说明系统的X轴是向右的，Y轴是向下的，Z轴是向前的。另外一个选择是LASER_FRAME,其X轴向前，Y轴向左，Z轴向上。noiseLevel=0 是指使用一个归一化的Z缓冲器来创建深度图像，但是如果想让邻近点集都落在同一个像素单元，用户可以设置一个较高的值，例如noiseLevel =0. 05可以理解为,深度距离值是通过查询点半径为5cm的圆内包含的点以平均计算而得到的。如果minRange>0,则所有模拟器所在位置半minRange内的邻近点都将被忽略，即为盲区。在裁剪图像时，如果borderSize>0,将在图像周围留下当前视点不可见点的边界。

2 从深度图像中提取边界

/* \author Bastian Steder */
#include <iostream>
#include <boost/thread/thread.hpp>
#include <pcl/range_image/range_image.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/range_image_visualizer.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/features/range_image_border_extractor.h>
#include <pcl/console/parse.h>
typedef pcl::PointXYZ PointType;
// --------------------
// -----参数-----
// --------------------
float angular_resolution = 0.5f;
pcl::RangeImage::CoordinateFrame coordinate_frame = pcl::RangeImage::CAMERA_FRAME;
bool setUnseenToMaxRange = false;
// --------------
// -----帮助-----
// --------------
void
printUsage (const char* progName)
{std::cout << "\n\nUsage: "<<progName<<" [options] <scene.pcd>\n\n"<< "Options:\n"<< "-------------------------------------------\n"<< "-r <float>   angular resolution in degrees (default "<<angular_resolution<<")\n"<< "-c <int>     coordinate frame (default "<< (int)coordinate_frame<<")\n"<< "-m           Treat all unseen points to max range\n"<< "-h           this help\n"<< "\n\n";
}
// --------------
// -----主函数-----
// --------------
int
main (int argc, char** argv)
{// --------------------------------------// -----解析命令行参数-----// --------------------------------------if (pcl::console::find_argument (argc, argv, "-h") >= 0){printUsage (argv[0]);return 0;}if (pcl::console::find_argument (argc, argv, "-m") >= 0){setUnseenToMaxRange = true;cout << "Setting unseen values in range image to maximum range readings.\n";}int tmp_coordinate_frame;if (pcl::console::parse (argc, argv, "-c", tmp_coordinate_frame) >= 0){coordinate_frame = pcl::RangeImage::CoordinateFrame (tmp_coordinate_frame);cout << "Using coordinate frame "<< (int)coordinate_frame<<".\n";}if (pcl::console::parse (argc, argv, "-r", angular_resolution) >= 0)cout << "Setting angular resolution to "<<angular_resolution<<"deg.\n";angular_resolution = pcl::deg2rad (angular_resolution);// ------------------------------------------------------------------// -----读取pcd文件，如果没有给出pcd文件则创建一个示例点云-----// ------------------------------------------------------------------pcl::PointCloud<PointType>::Ptr point_cloud_ptr (new pcl::PointCloud<PointType>);pcl::PointCloud<PointType>& point_cloud = *point_cloud_ptr;pcl::PointCloud<pcl::PointWithViewpoint> far_ranges;Eigen::Affine3f scene_sensor_pose (Eigen::Affine3f::Identity ());std::vector<int> pcd_filename_indices = pcl::console::parse_file_extension_argument (argc, argv, "pcd");if (!pcd_filename_indices.empty ()){std::string filename = argv[pcd_filename_indices[0]];if (pcl::io::loadPCDFile (filename, point_cloud) == -1){cout << "Was not able to open file \""<<filename<<"\".\n";printUsage (argv[0]);return 0;}scene_sensor_pose = Eigen::Affine3f (Eigen::Translation3f (point_cloud.sensor_origin_[0],point_cloud.sensor_origin_[1],point_cloud.sensor_origin_[2])) *Eigen::Affine3f (point_cloud.sensor_orientation_);std::string far_ranges_filename = pcl::getFilenameWithoutExtension (filename)+"_far_ranges.pcd";if (pcl::io::loadPCDFile(far_ranges_filename.c_str(), far_ranges) == -1)std::cout << "Far ranges file \""<<far_ranges_filename<<"\" does not exists.\n";}else{cout << "\nNo *.pcd file given => Genarating example point cloud.\n\n";for (float x=-0.5f; x<=0.5f; x+=0.01f){for (float y=-0.5f; y<=0.5f; y+=0.01f){PointType point;  point.x = x;  point.y = y;  point.z = 2.0f - y;point_cloud.points.push_back (point);}}point_cloud.width = (int) point_cloud.points.size ();  point_cloud.height = 1;}// -----------------------------------------------// -----从点云创建深度图像-----// -----------------------------------------------float noise_level = 0.0;float min_range = 0.0f;int border_size = 1;boost::shared_ptr<pcl::RangeImage> range_image_ptr (new pcl::RangeImage);pcl::RangeImage& range_image = *range_image_ptr;   range_image.createFromPointCloud (point_cloud, angular_resolution, pcl::deg2rad (360.0f), pcl::deg2rad (180.0f), scene_sensor_pose, coordinate_frame, noise_level, min_range, border_size);range_image.integrateFarRanges (far_ranges);if (setUnseenToMaxRange)range_image.setUnseenToMaxRange ();// --------------------------------------------// -----打开三维浏览器并添加点云-----// --------------------------------------------pcl::visualization::PCLVisualizer viewer ("3D Viewer");viewer.setBackgroundColor (1, 1, 1);viewer.addCoordinateSystem (1.0f);pcl::visualization::PointCloudColorHandlerCustom<PointType> point_cloud_color_handler (point_cloud_ptr, 0, 0, 0);viewer.addPointCloud (point_cloud_ptr, point_cloud_color_handler, "original point cloud");//PointCloudColorHandlerCustom<pcl::PointWithRange>   range_image_color_handler (range_image_ptr, 150, 150, 150);//viewer.addPointCloud (range_image_ptr, range_image_color_handler, "range image");//viewer.setPointCloudRenderingProperties (PCL_VISUALIZER_POINT_SIZE, 2, "range image");// -------------------------// -----提取边界-----// -------------------------pcl::RangeImageBorderExtractor border_extractor (&range_image);pcl::PointCloud<pcl::BorderDescription> border_descriptions;border_extractor.compute (border_descriptions);// ----------------------------------// -----在三维浏览器中显示点集-----// ----------------------------------pcl::PointCloud<pcl::PointWithRange>::Ptr border_points_ptr(new pcl::PointCloud<pcl::PointWithRange>), veil_points_ptr(new pcl::PointCloud<pcl::PointWithRange>), shadow_points_ptr(new pcl::PointCloud<pcl::PointWithRange>);pcl::PointCloud<pcl::PointWithRange>& border_points = *border_points_ptr, & veil_points = * veil_points_ptr, & shadow_points = *shadow_points_ptr;for (int y=0; y< (int)range_image.height; ++y){for (int x=0; x< (int)range_image.width; ++x){if (border_descriptions.points[y*range_image.width + x].traits[pcl::BORDER_TRAIT__OBSTACLE_BORDER])border_points.points.push_back (range_image.points[y*range_image.width + x]);if (border_descriptions.points[y*range_image.width + x].traits[pcl::BORDER_TRAIT__VEIL_POINT])veil_points.points.push_back (range_image.points[y*range_image.width + x]);if (border_descriptions.points[y*range_image.width + x].traits[pcl::BORDER_TRAIT__SHADOW_BORDER])shadow_points.points.push_back (range_image.points[y*range_image.width + x]);}}pcl::visualization::PointCloudColorHandlerCustom<pcl::PointWithRange> border_points_color_handler (border_points_ptr, 0, 255, 0);viewer.addPointCloud<pcl::PointWithRange> (border_points_ptr, border_points_color_handler, "border points");viewer.setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 7, "border points");pcl::visualization::PointCloudColorHandlerCustom<pcl::PointWithRange> veil_points_color_handler (veil_points_ptr, 255, 0, 0);viewer.addPointCloud<pcl::PointWithRange> (veil_points_ptr, veil_points_color_handler, "veil points");viewer.setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 7, "veil points");pcl::visualization::PointCloudColorHandlerCustom<pcl::PointWithRange> shadow_points_color_handler (shadow_points_ptr, 0, 255, 255);viewer.addPointCloud<pcl::PointWithRange> (shadow_points_ptr, shadow_points_color_handler, "shadow points");viewer.setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 7, "shadow points");//-------------------------------------// -----在深度图像中显示点集-----// ------------------------------------pcl::visualization::RangeImageVisualizer* range_image_borders_widget = NULL;range_image_borders_widget =pcl::visualization::RangeImageVisualizer::getRangeImageBordersWidget (range_image, -std::numeric_limits<float>::infinity (), std::numeric_limits<float>::*******infinity (), false, border_descriptions, "Range image with borders" );                     // -------------------------------------//--------------------// -----主循环-----//--------------------while (!viewer.wasStopped ()){range_image_borders_widget->spinOnce ();viewer.spinOnce ();pcl_sleep(0.01);}
}

3 深度图像精通级实例解析：点云到深度图的变换与曲面重建

#include <pcl/range_image/range_image.h>
#include <pcl/range_image/range_image_planar.h>
#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>
#include <pcl/features/integral_image_normal.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>
#include <pcl/console/print.h>
#include <pcl/surface/organized_fast_mesh.h>
#include <pcl/console/time.h>
#include <Eigen/StdVector>
#include <Eigen/Geometry>
#include <iostream>
#include <pcl/surface/impl/organized_fast_mesh.hpp>
#include <boost/thread/thread.hpp>
#include <pcl/common/common_headers.h>
#include <pcl/vi**sualization/range_image_visualizer.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/console/parse.h>using namespace pcl::console;int main (int argc, char** argv) {// Generate the dataif (argc<2){print_error ("Syntax is: %s input.pcd -w 640 -h 480 -cx 320 -cy 240 -fx 525 -fy 525 -type 0 -size 2\n", argv[0]);print_info ("  where options are:\n");print_info ("                     -w X = width of detph iamge ");return -1;}std::string filename = argv[1];/**************************************************************
定义从点云到深度图像转换时所需的参数，并可以接受用户命令行的参数设置。
***********************************************************/ int width=640,height=480,size=2,type=0;float fx=525,fy=525,cx=320,cy=240;parse_argument (argc, argv, "-w", width); //深度图像宽度parse_argument (argc, argv, "-h", height);//深度图像高度parse_argument (argc, argv, "-cx", cx);//光轴在深度图像上的x坐标parse_argument (argc, argv, "-cy", cy);//光轴在深度图像上的y坐标parse_argument (argc, argv, "-fx", fx);//水平方向焦距parse_argument (argc, argv, "-fy", fy);//垂直方向焦距parse_argument (argc, argv, "-type", type);//曲面重建时三角化的方式parse_argument (argc, argv, "-size", size);//曲面重建时的面片大小/**************************************************************
加载原始点云，同时创建RangeImagePlanar对象，利用改对象的函数createFromPointCloudWithFixedSize()进行深
度图像的生成，这里的参数除了上面用户设置的参数外，还需要提供相机成像的位姿，以及成像遵循的坐标系统。
***********************************************************/ pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZRGB>);pcl::io::loadPCDFile (filename, *cloud);print_info ("Read pcd file successfully\n");Eigen::Affine3f sensorPose;sensorPose.setIdentity(); pcl::RangeImage::CoordinateFrame coordinate_frame = pcl::RangeImage::CAMERA_FRAME;float noiseLevel=0.00;//成像时模拟噪声水平float minRange = 0.0f;//成像时考虑阈值外的点pcl::RangeImagePlanar::Ptr rangeImage(new pcl::RangeImagePlanar);rangeImage->createFromPointCloudWithFixedSize(*cloud,width,height,cx,cy,fx,fy,sensorPose,coordinate_frame);std::cout << rangeImage << "\n";//convert unorignized point cloud to orginized point cloud end//可视化深度图像pcl::visualization::RangeImageVisualizer range_image_widget ("range image");range_image_widget.showRangeImage (*rangeImage);range_image_widget.setWindowTitle("range image");/**************************************************************完成从点云到深度图像的生成后，我们利用该深度图像作为输人，来使用曲面重建模块中的简单三角化类生成曲面模型。创建OrganizedFastMesh对象，该算法的输人参数有size,通过setTrianglePixelSize( )函数接口来改变，其控制重建曲面的精细程度。另外一个 参数是setTriangulationType( )方法设置的三角化的类型，是个枚举变量，包含三角形、四边形等。***********************************************************/ //triangulation based on range imagepcl::OrganizedFastMesh<pcl::PointWithRange>::Ptr tri(new pcl::OrganizedFastMesh<pcl::PointWithRange>);pcl::search::KdTree<pcl::PointWithRange>::Ptr tree (new pcl::search::KdTree<pcl::PointWithRange>);tree->setInputCloud(rangeImage);pcl::PolygonMesh triangles;tri->setTrianglePixelSize(size);tri->setInputCloud(rangeImage);tri->setSearchMethod(tree);tri->setTriangulationType((pcl::OrganizedFastMesh<pcl::PointWithRange>::TriangulationType)type);tri->reconstruct(triangles);boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer (new pcl::visualization::PCLVisualizer ("range image"));viewer->setBackgroundColor(0.5,0.5,0.5);viewer->addPolygonMesh(triangles,"tin");viewer->addCoordinateSystem();while (!range_image_widget.wasStopped ()&&!viewer->wasStopped()){range_image_widget.spinOnce ();pcl_sleep (0.01);viewer->spinOnce ();}
}

终端输入：

//1.pcd为要输入的点云，第二个用于控制重建曲面时的精细程度
./greedy_projection ../1.pcd pcd-size 2

输出：

原始点云：

PCL——4.深度图像相关推荐

PCL深度图像(1)
目前深度图像的获取方法有激光雷达深度成像法,计算机立体视觉成像,坐标测量机法,莫尔条纹法,结构光法等等,针对深度图像的研究重点主要集中在以下几个方面,深度图像的分割技术 ,深度图像的边缘检测技术 ,基 ...
PCL点云与深度图像
PCL点云与深度图像 1 RangeImage概念及相关算法 1.1 深度图像简介 1.2 PCL中RangeImage的相关类 2 从一个点云创建一个深度图像 3 从深度图像中提取边界 4 点云到深 ...
深度图像基础知识（一）
深度图像(depth image)也被称为距离影像(range image),是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像,它直接反映了景物可见表面的几何形状.深度图像经过坐标转换可以 ...
如何从点云创建深度图像，看这篇你就懂了（附详细代码）
作者I Roar冷颜@CSDN 编辑I 3D视觉开发者社区前言目前,深度图像的获取方法有:激光雷达深度成像法.计算机立体视觉成像.坐标测量机法.莫尔条纹法.结构光法等.针对深度图像的研究重点主要集 ...
动态捕捉（四）深度图像基础知识
第一部分: 深度图像(depth image)也被称为距离影像(range image),是指将从图像采集器到场景中各点的距离(深度)作为像素值的图像,它直接反映了景物可见表面的几何形状.深度图像经过 ...
PCL点云生成深度图像
https://www.cnblogs.com/li-yao7758258/p/6476046.html (1)点云到深度图与可视化的实现区分点云与深度图本质的区别 1.深度图像也叫距离影像,是指将 ...
利用PCL库从点云数据生成深度图像及关键点提取
利用PCL库从点云数据生成生成深度图像及关键点提取利用PCL库从点云数据生成深度图像及关键点提取本想利用标准点云数据库分割成若干块,利用标准点云数据生成深度图像作为数据库用来验证算法,目前效果不是 ...
PCL 由点云生成深度图像
前言:在电脑上的pcl1.8.0版本可能是由于版本问题,无法在窗口显示深度图像,但是深度图像确实是生成了的,可以通过一个API将深度图像保存为一个png格式的图片然后查看. 该函数如下: //save ...
PCL深度图像(2)
(1)点云到深度图与可视化的实现区分点云与深度图本质的区别 1.深度图像也叫距离影像,是指将从图像采集器到场景中各点的距离(深度)值作为像素值的图像.获取方法有:激光雷达深度成像法.计算机立体视觉成 ...

PCL——4.深度图像

目录

1 从点云创建深度图像

2 从深度图像中提取边界

3 深度图像精通级实例解析：点云到深度图的变换与曲面重建

PCL——4.深度图像相关推荐

最新文章

热门文章