PCL 计算法向量(MLS)
目录
PCL点云算法汇总及实战案例汇总的目录地址链接:
一、概述
在点云处理领域,法向量是描述点云表面方向的关键属性之一。移动最小二乘(MLS, Moving Least Squares)法是一种常用的表面拟合算法,通过对局部邻域的平滑处理,得到点云的法向量。相比于其他方法,MLS法能在一定程度上提高点云法向量计算的精度和抗噪能力。
1.1原理
移动最小二乘算法的基本思想是,在局部邻域内寻找最适合描述表面的函数,然后通过拟合得到该区域的法向量。MLS法会对点云进行表面平滑处理,这在噪声较大的点云中具有更好的表现。
法向量的计算步骤如下:
- 构建局部邻域:对给定点,找到其邻域内的点集。
- 拟合平面:在邻域内使用最小二乘法拟合平面。
- 法向量计算:平面的法向量即为该点的法向量。
1.2实现步骤
- 读取点云数据:从PCD文件中读取点云。
- 进行MLS重采样和法向量计算:使用pcl::MovingLeastSquares方法进行点云重采样并计算法向量。
- 可视化点云及其法向量:使用PCL的可视化工具显示原始点云和法向量。
1.3应用场景
- 表面重建:在3D表面重建中用于估计点云表面的法向量。
- 噪声点滤除:通过MLS重采样平滑点云,去除噪声。
- 精细化建模:在工业检测、3D扫描等领域,使用MLS可以得到更平滑的模型。
二、代码实现
2.1关键函数
2.1.1 computeNormalsUsingMLS
用于基于MLS算法计算点云的法向量。
// 基于MLS算法计算法向量
void computeNormalsUsingMLS(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointCloud<pcl::Normal>::Ptr normals)
{
// 创建 MLS 对象并设置参数
pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointNormal> mls;
mls.setInputCloud(cloud);
mls.setComputeNormals(true); // 设置为计算法线
mls.setPolynomialOrder(2); // 多项式拟合阶数
mls.setSearchRadius(0.03); // 搜索半径
// 计算 MLS 重采样结果和法线
pcl::PointCloud<pcl::PointNormal>::Ptr mls_points(new pcl::PointCloud<pcl::PointNormal>);
mls.process(*mls_points);
// 提取法向量
for (size_t i = 0; i < mls_points->points.size(); ++i)
{
pcl::Normal normal;
normal.normal_x = mls_points->points[i].normal_x;
normal.normal_y = mls_points->points[i].normal_y;
normal.normal_z = mls_points->points[i].normal_z;
normals->points.push_back(normal);
}
}
2.1.2 visualizeMLSNormals
用于可视化MLS法向量。
// 可视化法向量
void visualizeMLSNormals(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointCloud<pcl::Normal>::Ptr normals)
{
// 创建可视化对象
boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("MLS Normal Viewer"));
// 创建第一个视口,显示原始点云
int vp_1;
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 Point Cloud", 10, 10, "vp1_text", vp_1);
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color(cloud, 255, 0, 0);
viewer->addPointCloud<pcl::PointXYZ>(cloud, cloud_color, "original_cloud", vp_1);
// 创建第二个视口,显示法向量
int vp_2;
viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);
viewer->setBackgroundColor(0.08, 0.08, 0.08, vp_2);
viewer->addText("MLS Normals", 10, 10, "vp2_text", vp_2);
// 添加法向量,并设置为黑色
viewer->addPointCloudNormals<pcl::PointXYZ, pcl::Normal>(cloud, normals, 10, 0.02, "normals", 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);
//viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0.0, 0.0, 0.0, "normals", vp_2); // 设置法向量为黑色
// 显示点云
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/surface/mls.h> // 使用 MLS 进行重采样和法向量估计
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>
// 基于MLS算法计算法向量
void computeNormalsUsingMLS(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointCloud<pcl::Normal>::Ptr normals)
{
// 创建 MLS 对象并设置参数
pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointNormal> mls;
mls.setInputCloud(cloud);
mls.setComputeNormals(true); // 设置为计算法线
mls.setPolynomialOrder(2); // 多项式拟合阶数
mls.setSearchRadius(0.03); // 搜索半径
// 计算 MLS 重采样结果和法线
pcl::PointCloud<pcl::PointNormal>::Ptr mls_points(new pcl::PointCloud<pcl::PointNormal>);
mls.process(*mls_points);
// 提取法向量
for (size_t i = 0; i < mls_points->points.size(); ++i)
{
pcl::Normal normal;
normal.normal_x = mls_points->points[i].normal_x;
normal.normal_y = mls_points->points[i].normal_y;
normal.normal_z = mls_points->points[i].normal_z;
normals->points.push_back(normal);
}
}
// 可视化法向量
void visualizeMLSNormals(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud, pcl::PointCloud<pcl::Normal>::Ptr normals)
{
// 创建可视化对象
boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("MLS Normal Viewer"));
// 创建第一个视口,显示原始点云
int vp_1;
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 Point Cloud", 10, 10, "vp1_text", vp_1);
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color(cloud, 255, 0, 0);
viewer->addPointCloud<pcl::PointXYZ>(cloud, cloud_color, "original_cloud", vp_1);
// 创建第二个视口,显示法向量
int vp_2;
viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);
viewer->setBackgroundColor(0.08, 0.08, 0.08, vp_2);
viewer->addText("MLS Normals", 10, 10, "vp2_text", vp_2);
// 添加法向量,并设置为黑色
viewer->addPointCloudNormals<pcl::PointXYZ, pcl::Normal>(cloud, normals, 10, 0.02, "normals", 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);
//viewer->setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0.0, 0.0, 0.0, "normals", vp_2); // 设置法向量为黑色
// 显示点云
while (!viewer->wasStopped())
{
viewer->spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(100000));
}
}
int main(int argc, char** argv)
{
// -------------------------------读取点云--------------------------------------
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
if (pcl::io::loadPCDFile<pcl::PointXYZ>("bunny.pcd", *cloud) == -1)
{
PCL_ERROR("Couldn't read the PCD file\n");
return -1;
}
// ------------------------------计算法向量-------------------------------------
pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);
computeNormalsUsingMLS(cloud, normals);
// -------------------------------可视化---------------------------------------
visualizeMLSNormals(cloud, normals);
return 0;
}
三、实现效果
原文地址:https://blog.csdn.net/qq_47947920/article/details/142752611
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)!