【PCL自学:Feature7】基于转动惯量和偏心量的描述符 (持续更新)
一、基于转动惯量和偏心度的描述符介绍
在这篇文章中,我们将学习如何使用pcl:: momenttofinertiaestimate类来获得基于转动惯量和偏心度的描述符。这个类还允许提取点云的轴对齐和定向的边界框(不一定是最小边框)。
【理论基础】:
特征提取方法的思想如下:
首先计算点云的协方差矩阵,提取点云的特征值和向量(可以理解特征向量就是整篇点云的主轴方向,特征值是在特征向量上的伸缩量)。可以认为合成的特征向量是标准化的,总是形成右手坐标系(主特征向量代表x轴,次特征向量代表z轴)。
然后进行迭代过程。在每次迭代中,主特征向量被旋转。旋转顺序总是相同的,并围绕其他特征向量执行,这提供了点云旋转的不变性。今后,我们将把这个旋转后的主矢量称为当前轴。
计算每次当前轴的转动惯量并利用当前轴进行偏心距计算。由于这个原因,当前轴矢量方向被视为平面的法向量,输入的点云可以投影到它上面。然后计算得到的投影的离心率。
PCL的momenttofinertiaestimate类还提供了获取AABB和OBB包围盒的方法。定向包围盒计算为沿着特征向量的AABB。
AABB:Axis-Aligned Bounding Box,轴对齐包围盒;
OBB:Oriented Bounding Box,有向包围盒;
OBB比包围球和AABB更加逼近物体,能显著减少包围体的个数
如下图所示黄色为AABB,红色为OBB。
二、基于转动惯量和偏心度的描述符示例程序分析
开始之前,需要在github上下载示例的点云文件,点击这里可以下载。接下来在VS编辑器中创建一个文件moment_of_inertia.cpp,并在其中复制以下代码。
#include <vector>
#include <thread>#include <pcl/features/moment_of_inertia_estimation.h>#include <pcl/io/pcd_io.h>#include <pcl/point_types.h>#include <pcl/visualization/cloud_viewer.h>using namespace std::chrono_literals;int main (int argc, char** argv)
{if (argc != 2)return (0);pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ> ());if (pcl::io::loadPCDFile (argv[1], *cloud) == -1)return (-1);pcl::MomentOfInertiaEstimation <pcl::PointXYZ> feature_extractor;feature_extractor.setInputCloud (cloud);feature_extractor.compute ();std::vector <float> moment_of_inertia;// 转动惯量std::vector <float> eccentricity; // 偏心量pcl::PointXYZ min_point_AABB;pcl::PointXYZ max_point_AABB;pcl::PointXYZ min_point_OBB;pcl::PointXYZ max_point_OBB;pcl::PointXYZ position_OBB;Eigen::Matrix3f rotational_matrix_OBB;float major_value, middle_value, minor_value;Eigen::Vector3f major_vector, middle_vector, minor_vector;Eigen::Vector3f mass_center;feature_extractor.getMomentOfInertia (moment_of_inertia);feature_extractor.getEccentricity (eccentricity);feature_extractor.getAABB (min_point_AABB, max_point_AABB);feature_extractor.getOBB (min_point_OBB, max_point_OBB, position_OBB, rotational_matrix_OBB);feature_extractor.getEigenValues (major_value, middle_value, minor_value);feature_extractor.getEigenVectors (major_vector, middle_vector, minor_vector);feature_extractor.getMassCenter (mass_center);pcl::visualization::PCLVisualizer::Ptr viewer (new pcl::visualization::PCLVisualizer ("3D Viewer"));viewer->setBackgroundColor (0, 0, 0);viewer->addCoordinateSystem (1.0);viewer->initCameraParameters ();viewer->addPointCloud<pcl::PointXYZ> (cloud, "sample cloud");viewer->addCube (min_point_AABB.x, max_point_AABB.x, min_point_AABB.y, max_point_AABB.y, min_point_AABB.z, max_point_AABB.z, 1.0, 1.0, 0.0, "AABB");viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_REPRESENTATION, pcl::visualization::PCL_VISUALIZER_REPRESENTATION_WIREFRAME, "AABB");Eigen::Vector3f position (position_OBB.x, position_OBB.y, position_OBB.z);Eigen::Quaternionf quat (rotational_matrix_OBB);viewer->addCube (position, quat, max_point_OBB.x - min_point_OBB.x, max_point_OBB.y - min_point_OBB.y, max_point_OBB.z - min_point_OBB.z, "OBB");viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_REPRESENTATION, pcl::visualization::PCL_VISUALIZER_REPRESENTATION_WIREFRAME, "OBB");pcl::PointXYZ center (mass_center (0), mass_center (1), mass_center (2));pcl::PointXYZ x_axis (major_vector (0) + mass_center (0), major_vector (1) + mass_center (1), major_vector (2) + mass_center (2));pcl::PointXYZ y_axis (middle_vector (0) + mass_center (0), middle_vector (1) + mass_center (1), middle_vector (2) + mass_center (2));pcl::PointXYZ z_axis (minor_vector (0) + mass_center (0), minor_vector (1) + mass_center (1), minor_vector (2) + mass_center (2));viewer->addLine (center, x_axis, 1.0f, 0.0f, 0.0f, "major eigen vector");viewer->addLine (center, y_axis, 0.0f, 1.0f, 0.0f, "middle eigen vector");viewer->addLine (center, z_axis, 0.0f, 0.0f, 1.0f, "minor eigen vector");while(!viewer->wasStopped()){viewer->spinOnce (100);std::this_thread::sleep_for(100ms);}return (0);
}
【代码分析】:
现在让我们研究一下这段代码的目的是什么。前几行将被省略,因为它们很容易理解。
以下语句声明所有需要存储的描述符和边界框的相关变量。
std::vector <float> moment_of_inertia; // 转动惯量std::vector <float> eccentricity; // 离心率pcl::PointXYZ min_point_AABB; //AABB盒子最小点位置pcl::PointXYZ max_point_AABB; //AABB盒子最大点未位置pcl::PointXYZ min_point_OBB; //OBB盒子最小点未位置pcl::PointXYZ max_point_OBB; //OBB盒子最大点未位置pcl::PointXYZ position_OBB; //OBB盒子中心位置Eigen::Matrix3f rotational_matrix_OBB; //OBB盒子旋转矩阵float major_value, middle_value, minor_value;Eigen::Vector3f major_vector, middle_vector, minor_vector;Eigen::Vector3f mass_center; //块中心
以下语句说明了如何获取描述符的计算结果
feature_extractor.getMomentOfInertia (moment_of_inertia);feature_extractor.getEccentricity (eccentricity);feature_extractor.getAABB (min_point_AABB, max_point_AABB);feature_extractor.getOBB (min_point_OBB, max_point_OBB, position_OBB, rotational_matrix_OBB);feature_extractor.getEigenValues (major_value, middle_value, minor_value);feature_extractor.getEigenVectors (major_vector, middle_vector, minor_vector);feature_extractor.getMassCenter (mass_center);
以下语句使用PCLVisualizer类将结果进行了可视化,使用线框显示立方体(默认使用实体立方体,这里用线框显示更清晰)。
OBB的可视化稍微复杂一点。首先从旋转矩阵创建一个四元数,设置obb的位置,并将其传递给可视化器。
pcl::PointXYZ center (mass_center (0), mass_center (1), mass_center (2));pcl::PointXYZ x_axis (major_vector (0) + mass_center (0), major_vector (1) + mass_center (1), major_vector (2) + mass_center (2));pcl::PointXYZ y_axis (middle_vector (0) + mass_center (0), middle_vector (1) + mass_center (1), middle_vector (2) + mass_center (2));pcl::PointXYZ z_axis (minor_vector (0) + mass_center (0), minor_vector (1) + mass_center (1), minor_vector (2) + mass_center (2));viewer->addLine (center, x_axis, 1.0f, 0.0f, 0.0f, "major eigen vector");viewer->addLine (center, y_axis, 0.0f, 1.0f, 0.0f, "middle eigen vector");viewer->addLine (center, z_axis, 0.0f, 0.0f, 1.0f, "minor eigen vector");
总结:
这篇文章主要介绍了基于转动惯量和偏心量的描述符,并分析了示例程序以学习如何使用该类,我们所要掌握的内容是,当需要对点云画出边界盒时,可以采用这种方式。下篇文章将会介绍RoPs旋转投影特征。
【博主简介】
斯坦福的兔子,男,天津大学机械工程工学硕士。毕业至今从事光学三维成像及点云处理相关工作。因工作中使用的三维处理库为公司内部库,不具有普遍适用性,遂自学开源PCL库及其相关数学知识以备使用。谨此将自学过程与君共享。
博主才疏学浅,尚不具有指导能力,如有问题还请各位在评论处留言供大家共同讨论。
若前辈们有工作机会介绍欢迎私信。
【PCL自学:Feature7】基于转动惯量和偏心量的描述符 (持续更新)相关推荐
- 自学it18大数据笔记-第三阶段Spark-day04——会持续更新……
笔记为自学时随手记录,如有错误,欢迎指正,不胜感激!现已广州转移至上海,欢迎小伙伴们加qq或微博沟通交流(QQ,微博和博客同名) 笔记分享:自学it18大数据笔记-第三阶段Spark-day04--会 ...
- 自学it18大数据笔记-第三阶段Scala-day06——会持续更新……
笔记为自学时随手记录,如有错误,欢迎指正,不胜感激!现已广州转移至上海,欢迎小伙伴们加qq或微博沟通交流(QQ,微博和博客同名) 笔记分享:自学it18大数据笔记-第三阶段Scala-day06--会 ...
- 基于形状图像检索的曲率尺度空间描述符与傅立叶描述子的比较研究——18.07.14
论文信息:<A comparative study of curvature scale space and Fourier descriptors for shape-based image ...
- 搭建基于 Vim 的 C++和 Python 开发环境[持续更新]
最近 vscode 在技术圈火了一阵子,每天都可以在掘金上看到安利文章和奇葩的插件,什么"杨超越鼓励师",还有上班摸鱼系列,"看小说插件","看股票插 ...
- 【PCL自学:Recognition 1】基于对应分组算法的三维物体识别
PCL Recognition模块:基于对应分组的三维物体识别 一.初识Recognition点云识别模块 二.基于对应分组算法识别的实例代码及分析 三.三维物体识别的可能对象验证及代码分析 代码效果 ...
- 【PCL自学:Segmentation1】基于PCL的点云分割:平面模型分割
基于PCL的点云平面模型分割 1.什么是点云分割 2.如何使用PCL库对将点云中平面模型分割出来 1.什么是点云分割 顾名思义,点云分割就是将一团点云按照不同需求进行分割处理,一般是用在识别或测量 ...
- 【PCL自学:Feature3】PFH点特征直方图的概念和使用 (持续更新)
一.点特征直方图(PFH)描述子介绍 Point Feature Histograms (PFH) 称为点特征直方图. 随着点特征的研究不断深入,利用点周围的邻近点估计表面法向和曲率的基本操作 ...
- 一种基于后间隔偏最小二乘的梯度下降助力谱建模方法
一种基于后间隔偏最小二乘的梯度下降助力谱建模方法 外文链接:https://pan.baidu.com/s/1MU_e2GCz7vDq0_z1dkFq6Q 摘要 升压回归技术应用在近红外光谱,全光谱的 ...
- 【PCL自学:Feature5】视点特征直方图VFH概念及使用 (持续更新)
一.视点特征直方图(VFH)原理 这篇博文描述了视点特征直方图(Viewpoint Feature Histogram[VFH])描述符,在一些其他文章也称为视角特征直方图,这是一种用于聚类识别和 ...
- 基于STM32F103C6T6的AB相霍尔编码电机的PID转速调节(CubeMx-HAL库)(未完成-持续更新)
基于STM32F103C6T6的AB相霍尔编码电机的PID转速调节(CubeMx-HAL库)(未完成-持续更新) 主要是记录一下,以后忘了再来看看,也记录记录自己做过的东西 首先是硬件电路图,一下是驱 ...
最新文章
- mysql 2003错误 10055_MYSQL无法连接 提示10055错误的解决方法
- I.MX6 Android 5.1 回到 Android 4.2 emmc 启动
- mysql Got error 28 from storage engine
- gRPC中Java和node进行异构通信-互为客户端和服务端
- modelsim与modelsim_altera使用的一些区别
- 【工业控制】UV打印机喷头波形和墨水关系
- 【算法竞赛学习】金融风控之贷款违约预测-建模与调参
- 第2章 Python 数字图像处理(DIP) --数字图像基础4 -- 像素间的一些基本关系 - 邻域 - 距离测试
- 剑指 Offer 06. 从尾到头打印链表(递归、逆置链表、头部动态插入)
- [转载] mybatis
- python 不等于_python零基础(二)
- java自定义注解解析
- 开课吧Java课堂:如何使用迭代函数
- html实现好看的注册页面,html+css做一个好看的可翻转登录注册界面代码实例
- python微信语音转发方法_最简单的微信语音转发方法,保证看一遍就会
- 土地利用转移矩阵简易计算方法
- 【Unity】U3D ARPG游戏制作实例(二)人物基本动作切换
- javafx 教程_新的JMetro JavaFX 11兼容版本
- 学而思总裁曹允东谈创业:融资意识很重要
- Win32_Processor CPU 参数说明