佛山网站公司建设网站,平谷网站建设服务,站建设培训学校,网站开发到上线随机抽样一致性算法RANSAC(Random sample consensus)是一种迭代的方法来从一系列包含有离异值的数据中计算数学模型参数的方法。 RANSAC算法本质上由两步组成#xff0c;不断进行循环#xff1a; 从输入数据中随机选出能组成数学模型的最小数目的元素#xff0c;使用这些元素…随机抽样一致性算法RANSAC(Random sample consensus)是一种迭代的方法来从一系列包含有离异值的数据中计算数学模型参数的方法。 RANSAC算法本质上由两步组成不断进行循环 从输入数据中随机选出能组成数学模型的最小数目的元素使用这些元素计算出相应模型的参数。选出的这些元素数目是能决定模型参数的最少的。 检查所有数据中有哪些元素能符合第一步得到的模型。超过错误阈值的元素认为是离群值outlier小于错误阈值的元素认为是内部点inlier。 这个过程重复多次选出包含点最多的模型即得到最后的结果。 RANSAC具体到空间点云中拟合平面 1、从点云中随机选取三个点。 2、由这三个点组成一个平面。 3、计算所有其他点到该平面的距离如果小于阈值T就认为是处在同一个平面的点。 3、如果处在同一个平面的点超过n个就保存下这个平面并将处在这个平面上的点都标记为已匹配。 4、终止的条件是迭代N次后找到的平面小于n个点或者找不到三个未标记的点。 下面是一个使用PCL中的Ransac进行平面拟合的示例代码
#include pcl/io/pcd_io.h
#include pcl/sample_consensus/ransac.h
#include pcl/sample_consensus/sac_model_plane.h // 拟合平面
#include pcl/visualization/pcl_visualizer.husing namespace std;int main()
{//-----------------------------读取点云----------------------------pcl::PointCloudpcl::PointXYZ::Ptr cloud(new pcl::PointCloudpcl::PointXYZ);if (pcl::io::loadPCDFile(../../data/example4.pcd, *cloud) 0){PCL_ERROR(点云读取失败\n);return -1;}//--------------------------RANSAC拟合平面--------------------------pcl::SampleConsensusModelPlanepcl::PointXYZ::Ptr model_plane(new pcl::SampleConsensusModelPlanepcl::PointXYZ(cloud));pcl::RandomSampleConsensuspcl::PointXYZ ransac(model_plane);ransac.setDistanceThreshold(0.2); //设置距离阈值与平面距离小于0.1的点作为内点ransac.computeModel(); //执行模型估计//-------------------------根据索引提取内点--------------------------pcl::PointCloudpcl::PointXYZ::Ptr cloud_plane(new pcl::PointCloudpcl::PointXYZ);vectorint inliers; //存储内点索引的容器ransac.getInliers(inliers); //提取内点索引pcl::copyPointCloudpcl::PointXYZ(*cloud, inliers, *cloud_plane);//----------------------------输出模型参数---------------------------Eigen::VectorXf coefficient;ransac.getModelCoefficients(coefficient);cout 平面方程为\n coefficient[0] x coefficient[1] y coefficient[2] z coefficient[3] 0 endl;//-----------------------------结果可视化----------------------------pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer(拟合结果));viewer-addPointCloudpcl::PointXYZ(cloud, cloud);viewer-setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1, 1, 1, cloud);viewer-setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, cloud);viewer-addPointCloudpcl::PointXYZ(cloud_plane, plane);viewer-setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0, 1, 0, plane);viewer-setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, plane);while (!viewer-wasStopped()){viewer-spinOnce(100);}return 0;
}这段代码从pcd点云中提取出平面,如下图所示,其中绿色点为平面点,白色点为噪点。
本系列全部代码的链接
