PCL 计算点云的高斯曲率

读取点云数据：从PCD文件中读取点云。
计算法向量：使用 pcl::NormalEstimation 计算点云中每个点的法向量。
计算主曲率和高斯曲率：通过 pcl::PrincipalCurvaturesEstimation 计算主曲率，并使用公式计算高斯曲率。
可视化：在一个窗口中显示原始点云，在另一个窗口中显示带有法向量和主曲率的点云，并可以控制法向量和曲率的显示长度和间隔。

1.3应用场景

三维建模与重建：高斯曲率帮助检测表面的凸凹变化，辅助构建精细模型。
表面特征提取：表面凸起、凹陷等特征的识别。
机器人路径规划：通过理解物体表面的几何特性，优化路径规划和抓取。

二、代码实现

2.1关键函数

2.1.1 法向量计算

使用 pcl::NormalEstimation 计算点云的法向量：

pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
ne.setInputCloud(cloud);
ne.setSearchMethod(tree);
ne.setRadiusSearch(0.03);
ne.compute(*normals);

2.1.2 主曲率和高斯曲率计算

通过 pcl::PrincipalCurvaturesEstimation 计算主曲率，再计算高斯曲率：

pcl::PrincipalCurvaturesEstimation<pcl::PointXYZ, pcl::Normal, pcl::PrincipalCurvatures> pce;
pce.setInputCloud(cloud);
pce.setInputNormals(normals);
pce.setSearchMethod(tree);
pce.setRadiusSearch(0.03);
pce.compute(*curvatures);

// 计算高斯曲率
for (size_t i = 0; i < curvatures->size(); ++i) {
    float k1 = curvatures->points[i].pc1;  // 最大曲率
    float k2 = curvatures->points[i].pc2;  // 最小曲率
    float gaussian_curvature = k1 * k2;    // 高斯曲率
    gauss_curvature_cloud->points[i].curvature = gaussian_curvature;
}

2.1.3 可视化函数

使用 pcl::visualization::PCLVisualizer 进行可视化，允许控制法向量和曲率显示的长度与间隔：

void visualizePointCloudAndGaussianCurvature(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointCloud<pcl::Normal>::Ptr normals, pcl::PointCloud<pcl::PrincipalCurvatures>::Ptr curvatures)
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Gaussian Curvature Viewer"));
    int vp_1, vp_2;

    // 第一个视口：显示原始点云
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);
    viewer->setBackgroundColor(0.0, 0.0, 0.0, vp_1);
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);

    // 第二个视口：显示法向量与主曲率，同时显示点云
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);
    viewer->setBackgroundColor(0.08, 0.08, 0.08, vp_2);
    viewer->addText("Normals and Principal Curvatures", 10, 10, "vp2_text", vp_2);

    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler_2(cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud(cloud, cloud_color_handler_2, "cloud_with_curvature", vp_2);

    // 添加法向量，控制显示间隔和长度
    viewer->addPointCloudNormals<pcl::PointXYZ, pcl::Normal>(cloud, normals, 20, 0.02, "normals", vp_2);

    // 添加主曲率，控制显示间隔和长度
    viewer->addPointCloudPrincipalCurvatures<pcl::PointXYZ, pcl::Normal>(cloud, normals, curvatures, 10, 0.02, "Curvatures", vp_2);

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
        boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }
}

2.2完整代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>
#include <pcl/features/principal_curvatures.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

using namespace std;

void visualizePointCloudAndGaussianCurvature(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointCloud<pcl::Normal>::Ptr normals, pcl::PointCloud<pcl::PrincipalCurvatures>::Ptr curvatures);



void visualizePointCloudAndGaussianCurvature(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointCloud<pcl::Normal>::Ptr normals, pcl::PointCloud<pcl::PrincipalCurvatures>::Ptr curvatures)
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Gaussian Curvature Viewer"));
    int vp_1, vp_2;

    // 第一个视口：显示原始点云
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);
    viewer->setBackgroundColor(0.0, 0.0, 0.0, vp_1);
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);

    // 第二个视口：显示法向量与主曲率，同时显示点云
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);
    viewer->setBackgroundColor(0.08, 0.08, 0.08, vp_2);
    viewer->addText("Normals and Principal Curvatures", 10, 10, "vp2_text", vp_2);

    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler_2(cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud(cloud, cloud_color_handler_2, "cloud_with_curvature", vp_2);

    // 添加法向量，控制显示间隔和长度
    viewer->addPointCloudNormals<pcl::PointXYZ, pcl::Normal>(cloud, normals, 20, 0.02, "normals", vp_2);

    // 添加主曲率，控制显示间隔和长度
    viewer->addPointCloudPrincipalCurvatures<pcl::PointXYZ, pcl::Normal>(cloud, normals, curvatures, 10, 0.02, "Curvatures", vp_2);
    
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
        boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }
}
int main(int argc, char** argv)
{
    // 1. 读取点云数据
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::io::loadPCDFile<pcl::PointXYZ>("bunny.pcd", *cloud);

    // 2. 计算法向量
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());
    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
    ne.setInputCloud(cloud);              // 设置输入点云
    ne.setSearchMethod(tree);             // 设置搜索方法
    ne.setRadiusSearch(0.03);             // 设置搜索半径
    ne.compute(*normals);                 // 计算法向量

    // 3. 计算主曲率和高斯曲率
    pcl::PrincipalCurvaturesEstimation<pcl::PointXYZ, pcl::Normal, pcl::PrincipalCurvatures> pce;
    pcl::PointCloud<pcl::PrincipalCurvatures>::Ptr curvatures(new pcl::PointCloud<pcl::PrincipalCurvatures>);
    pce.setInputCloud(cloud);             // 设置输入点云
    pce.setInputNormals(normals);         // 设置法向量
    pce.setSearchMethod(tree);            // 设置搜索方法
    pce.setRadiusSearch(0.03);            // 设置搜索半径
    pce.compute(*curvatures);             // 计算主曲率

    // 4. 可视化
    visualizePointCloudAndGaussianCurvature(cloud, normals, curvatures);

    return 0;
}

三、实现效果

原文地址：https://blog.csdn.net/qq_47947920/article/details/142751706

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！

上一篇：.net core API中使用LiteDB
下一篇：RED HAT断电重启报：“Failed to open \EFI\redhat\ grubx64.efi- Not Found“

科创集团所属园区入驻企业北京铭镓半导体获 “硬科技”潜在独角兽企业认定
北京铭镓半导体有限公司于2020年入驻科创集团所属工宇园区，是新型高频率高功率半导体材料的产业化先行者之一，在超宽禁带半导体氧化镓材料开发及应用产业化方面实现新突破，其半绝缘型（010）铁掺衬底和该衬
阅读更多2024-10-09
OBOO鸥柏丨OLED透明触摸查询一体机数字科技触控广告屏技术前沿
吊挂透明OLED触摸屏一体机正成为博物馆数字化展示的“共同奔赴赛道选择，透过透明屏幕看到展示物品的内部结构和细节，G+G纯平面触控实现展示查询交互与互动的完美结合。相比传统的商用/工业液晶显示屏机柜，
阅读更多2024-10-09
408算法题leetcode--第22天
408算法题leetcode--第22天
阅读更多2024-10-09
oracle数据库安装和配置
安装和配置 Oracle 数据库是一个涉及多个步骤的过程。通过上述步骤，你应该能够成功安装并配置 Oracle 数据库，确保其在你的系统上正常运行。在实际使用中，务必根据需求对数据库进行进一步的配置和
阅读更多2024-10-09
Leetcode 1802. 有界数组中指定下标处的最大值
第三步，构建check函数，这里的check函数判断nums[index]为indexVal条件下，贪心构建的数组和是否小于等于maxSum。红：nums[index]的条件下，numsSum<
阅读更多2024-10-09
pandas常用数据格式IO性能对比
本文对pandas支持的一些数据格式进行IO（读写）的性能测试，大数据时代以数据为基础，经常会遇到操作大量数据的情景，数据的IO性能尤为重要，本文对常见的数据格式csv、feather、hdf5、ja
阅读更多2024-10-09
【五分钟学会】YOLO11 自定义数据集从训练到部署
YOLO11 从训练到部署，五分钟搞定！
阅读更多2024-10-09
RTSP/Onvif协议安防视频云平台EasyNVR运行后日志一直在打印error是什么原因？
解决办法：找到原始压缩包重新拷贝出easynv.ini文件到程序，随后重启即可。
阅读更多2024-10-09
PHP爬虫：获取商品SKU详细信息的利器
在电子商务领域，SKU（Stock Keeping Unit）即库存单位，是商品信息管理中的基础元素。获取商品的SKU详细信息对于电商运营者来说至关重要，它直接关系到库存管理、订单处理、客户服务等多个
阅读更多2024-10-09
Gin解说
Gin是一个用Go语言编写的高性能、开源的Web框架，它被设计为简单、快速和灵活。Gin非常适合用于构建RESTful API和微服务。
阅读更多2024-10-09

PCL 计算点云的高斯曲率

一、概述

1.1原理

1.2实现步骤