兰州新站点seo代理,在哪里买域名,网站建设与管理 自考,网站开发信息文档1 处理过程可视化 原始数据 直通滤波过滤后 pcl::ProjectInliers结果 pcl::ExtractIndices结果 凹包结果 凸包结果 2 处理过程分析#xff1a;
原始点云 --- 直通滤波 -- pcl::SACSegmentation分割出平面 --pcl::ProjectInliers投影 -- pcl::ConcaveHull凹包…1 处理过程可视化 原始数据 直通滤波过滤后 pcl::ProjectInliers结果 pcl::ExtractIndices结果 凹包结果 凸包结果 2 处理过程分析
原始点云 --- 直通滤波 -- pcl::SACSegmentation分割出平面 --pcl::ProjectInliers投影 -- pcl::ConcaveHull凹包重构
2.1 有一个步骤可以被替换
pcl::ProjectInliers这步骤是将直通滤波过滤得到的结果全部投影到pcl::SACSegmentation分割到的平面上。这一步可以用pcl::ExtractIndices代替其直接提取属于平面的点云。替换后不影响后面的凹包重构结果 2.2 凹包与凸包的区别
凹包是最小外接凸包是最大外接详情可以看下面这篇博客 PCL计算ConvexHull凸包、ConcaveHull凹包_pcl::concavehull_com1098247427的博客-CSDN博客 3 凹包参数探究
该算法中有许多参数可设置 setAlpha(double alpha)设置凹凸包计算的精细程度。alpha参数控制了计算凹凸包时使用的半径大小。较小的alpha值会产生更精细的凹凸包而较大的alpha值会产生更粗糙的凹凸包。 setDimension(int dim)设置凹凸包计算的维度。dim参数指定了计算凹凸包的维度。默认值为3表示计算三维凹凸包。如果输入点云是二维的则可以将dim设置为2。 setKeepInformation(bool keep)设置是否保留输入点云的信息。如果将keep参数设置为true则计算的凹凸包点云将保留输入点云的法线和曲率信息。如果设置为false则不保留这些信息。 setAlphaMultiplier(double multiplier)设置alpha参数的乘数因子。multiplier参数用于调整alpha参数的值。默认值为1.0表示使用alpha参数的原始值。 通常只需手动设置alpha参数其控制了计算凹凸包时使用的半径大小。较小的alpha值会产生更精细的凹凸包而较大的alpha值会产生更粗糙的凹凸包。
将alpha参数设置为0.01得到 4 代码
#include pcl/ModelCoefficients.h
#include pcl/io/pcd_io.h
#include pcl/point_types.h
#include pcl/sample_consensus/method_types.h
#include pcl/sample_consensus/model_types.h
#include pcl/filters/passthrough.h
#include pcl/filters/project_inliers.h
#include pcl/segmentation/sac_segmentation.h
#include pcl/surface/concave_hull.h
#include pcl/visualization/cloud_viewer.h#include pcl/surface/convex_hull.h
#include pcl/filters/extract_indices.hint main()
{pcl::PointCloudpcl::PointXYZ::Ptr cloud(new pcl::PointCloudpcl::PointXYZ),cloud_filtered(new pcl::PointCloudpcl::PointXYZ),cloud_projected(new pcl::PointCloudpcl::PointXYZ);pcl::PCDReader reader;reader.read(/home/lrj/work/pointCloudData/table_scene_mug_stereo_textured.pcd,*cloud);pcl::PassThroughpcl::PointXYZ pass;pass.setInputCloud(cloud);pass.setFilterFieldName(z);pass.setFilterLimits(0, 1.1);pass.filter(*cloud_filtered);std::cerr PointCloud after filtering has: cloud_filtered-size() data points.\n;pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);pcl::PointIndices::Ptr inliers (new pcl::PointIndices);pcl::SACSegmentationpcl::PointXYZ seg;seg.setOptimizeCoefficients(true);seg.setModelType(pcl::SACMODEL_PLANE);seg.setMethodType(pcl::SAC_RANSAC);seg.setDistanceThreshold(0.01);seg.setInputCloud(cloud_filtered);seg.segment(*inliers, *coefficients);std::cerr PointCloud after segmentation has: inliers-indices.size() inliers.\n;// 将点云投影到拟合的平面上
// pcl::ProjectInlierspcl::PointXYZ proj;
// proj.setModelType(pcl::SACMODEL_PLANE);
// proj.setInputCloud(cloud_filtered);
// proj.setModelCoefficients(coefficients);
// proj.filter(*cloud_projected);
// std::cerr PointCloud after projection has:
// cloud_projected-size() data points.\n std::endl;// 直接提取属于平面点云pcl::ExtractIndicespcl::PointXYZ extract;extract.setInputCloud(cloud_filtered);extract.setIndices(inliers);extract.setNegative(false);extract.filter(*cloud_projected);pcl::PointCloudpcl::PointXYZ::Ptr cloud_hull (new pcl::PointCloudpcl::PointXYZ);pcl::ConcaveHullpcl::PointXYZ chull;chull.setInputCloud(cloud_projected);chull.setAlpha(0.1);chull.reconstruct(*cloud_hull);std::cerr Concave hull has: cloud_hull-size() data points.\n std::endl;pcl::visualization::CloudViewer vis(cloud visualization);vis.showCloud(cloud_hull);while(!vis.wasStopped()){}}
