2. 程式人生 > >PCL 常用小知識

PCL 常用小知識

阿新 • • 發佈：2018-08-15
ati dex min [1] light identity office offic ase

時間計算

pcl中計算程序運行時間有很多函數，其中利用控制臺的時間計算

首先必須包含頭文件 #include <pcl/console/time.h>

#include <pcl/console/time.h>

pcl::console::TicToc time; 
time.tic();
//程序段
cout<<time.toc()/1000<<"s"<<endl;

pcl::PointCloud::Ptr和pcl::PointCloud的兩個類相互轉換

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
 
pcl::PointCloud<pcl::PointXYZ>::Ptr cloudPointer(new pcl::PointCloud<pcl::PointXYZ>);
pcl::PointCloud<pcl::PointXYZ> cloud;
cloud = *cloudPointer;
cloudPointer = cloud.makeShared();

查找點雲的x，y，z的極值

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/common/common.h>

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile<pcl::PointXYZ> ("your_pcd_file.pcd", *cloud);
pcl::PointXYZ minPt, maxPt;
pcl::getMinMax3D (*cloud, minPt, maxPt);

如果知道需要保存點的索引，如何從原點雲中拷貝點到新點雲？

#include <pcl/io/pcd_io.h>
#include <pcl/common/impl/io.hpp>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
 
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile<pcl::PointXYZ>("C:\office3-after21111.pcd", *cloud);
pcl::PointCloud<pcl::PointXYZ>::Ptr cloudOut(new pcl::PointCloud<pcl::PointXYZ>);
std::vector<int > indexs = { 1, 2, 5 };
pcl::copyPointCloud(*cloud, indexs, *cloudOut);

取已知索引之外的點雲

pcl::PointIndices::Ptr inliers(new pcl::PointIndices);
inliers->indices = pointIdxRadiusSearchMap;
//已知索引的index
std::vector<int> pointIdxRadiusSearchMap;

pcl::ExtractIndices<pcl::PointXYZ> extract; 
extract.setInputCloud(_laser3d_map);
extract.setIndices(inliers);                 
extract.setNegative(true);  //false: 篩選Index對應的點，true：過濾獲取Index之外的點                
extract.filter(*map_3d_2);

如何從點雲裏刪除和添加點？

#include <pcl/io/pcd_io.h>
#include <pcl/common/impl/io.hpp>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
 
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile<pcl::PointXYZ>("C:\office3-after21111.pcd", *cloud);
pcl::PointCloud<pcl::PointXYZ>::iterator index = cloud->begin();
cloud->erase(index);//刪除第一個
index = cloud->begin() + 5;
cloud->erase(cloud->begin());//刪除第5個
pcl::PointXYZ point = { 1, 1, 1 };
//在索引號為5的位置1上插入一點，原來的點後移一位
cloud->insert(cloud->begin() + 5, point);
cloud->push_back(point);//從點雲最後面插入一點
std::cout << cloud->points[5].x;//輸出1

如果刪除的點太多建議用上面的方法拷貝到新點雲，再賦值給原點雲，如果要添加很多點，建議先resize，然後用循環向點雲裏的添加。

如何對點雲進行全局或局部變換

#include <pcl/io/pcd_io.h>
#include <pcl/common/impl/io.hpp>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/common/transforms.h>

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile("path/.pcd",*cloud);
//全局變化
 //構造變化矩陣
Eigen::Matrix4f transform_1 = Eigen::Matrix4f::Identity();
float theta = M_PI/4;   //旋轉的度數，這裏是45度
transform_1 (0,0) = cos (theta);  //這裏是繞的Z軸旋轉
transform_1 (0,1) = -sin(theta);
transform_1 (1,0) = sin (theta);
transform_1 (1,1) = cos (theta);
       
//transform_1 (0,2) = 0.3;   //這樣會產生縮放效果
//transform_1 (1,2) = 0.6;
// transform_1 (2,2) = 1;

transform_1 (0,3) = 25; //這裏沿X軸平移
transform_1 (1,3) = 30;
transform_1 (2,3) = 380;
pcl::PointCloud<pcl::PointXYZ>::Ptr transform_cloud1 (new pcl::PointCloud<pcl::PointXYZ>);
pcl::transformPointCloud(*cloud,*transform_cloud1,transform_1);  //不言而喻
//第一個參數為輸入，第二個參數為輸入點雲中部分點集索引，第三個為存儲對象，第四個是變換矩陣。

pcl::transformPointCloud(*cloud,pcl::PointIndices indices,*transform_cloud1,matrix);

鏈接兩個點雲字段（兩點雲大小必須相同）

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile("/home/yxg/pcl/pcd/mid.pcd",*cloud);
pcl::NormalEstimation<pcl::PointXYZ,pcl::Normal> ne;
ne.setInputCloud(cloud);
pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>());
ne.setSearchMethod(tree);
pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>()); 
ne.setKSearch(8);

//ne.setRadisuSearch(0.3);
ne.compute(*cloud_normals);    
pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_nomal (new pcl::PointCloud<pcl::PointNormal>);
pcl::concatenateFields(*cloud,*cloud_normals,*cloud_with_nomal);

刪除無效點

#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/filters/filter.h>
#include <pcl/io/pcd_io.h>
    
using namespace std;
typedef pcl::PointXYZRGBA point;
typedef pcl::PointCloud<point> CloudType;
    
int main (int argc,char **argv)
{
    CloudType::Ptr cloud (new CloudType);
    CloudType::Ptr output (new CloudType);
    
     pcl::io::loadPCDFile(argv[1],*cloud);
     cout<<"size is:"<<cloud->size()<<endl;
            
     vector<int> indices;
     pcl::removeNaNFromPointCloud(*cloud,*output,indices);
     cout<<"output size:"<<output->size()<<endl;
            
     pcl::io::savePCDFile("out.pcd",*output);
     return 0;
}

xyzrgb格式轉換為xyz格式的點雲

#include <pcl/io/pcd_io.h>
#include <ctime>
#include <Eigen/Core>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>

using namespace std;
typedef pcl::PointXYZ point;
typedef pcl::PointXYZRGBA pointcolor;

int main(int argc,char **argv)
{
        pcl::PointCloud<pointcolor>::Ptr input (new pcl::PointCloud<pointcolor>);
        pcl::io::loadPCDFile(argv[1],*input);
        

        pcl::PointCloud<point>::Ptr output (new pcl::PointCloud<point>);
        int M = input->points.size();
        cout<<"input size is:"<<M<<endl;

        for (int i = 0;i <M;i++)
        {
                point p;
                p.x = input->points[i].x;
                p.y = input->points[i].y;
                p.z = input->points[i].z; 
                output->points.push_back(p);
        }
        output->width = 1;
        output->height = M;
        
        cout<< "size is"<<output->size()<<endl;
        pcl::io::savePCDFile("output.pcd",*output);

}

flann kdtree 查詢k近鄰

//平均密度計算
pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;  //創建一個快速k近鄰查詢,查詢的時候若該點在點雲中，則第一個近鄰點是其本身

kdtree.setInputCloud(cloud);
int k =2;
float everagedistance =0;
for (int i =0; i < cloud->size()/2;i++)
{
   vector<int> nnh ;
   vector<float> squaredistance;
       
   //pcl::PointXYZ p;
   //p = cloud->points[i];
   kdtree.nearestKSearch(cloud->points[i],k,nnh,squaredistance);
   everagedistance += sqrt(squaredistance[1]);
   //cout<<everagedistance<<endl;
}

everagedistance = everagedistance/(cloud->size()/2);
cout<<"everage distance is : "<<everagedistance<<endl;
        
 

#include <pcl/kdtree/kdtree_flann.h>

pcl::KdTreeFLANN<pcl::PointXYZ> kdtree; //創建KDtree
kdtree.setInputCloud (in_cloud);

pcl::PointXYZ searchPoint; //創建目標點，（搜索該點的近鄰）
searchPoint.x = 1;
searchPoint.y = 2;
searchPoint.z = 3;

//查詢近鄰點的個數
 int k = 10; //近鄰點的個數
std::vector<int> pointIdxNKNSearch(k); //存儲近鄰點集的索引
std::vector<float>pointNKNSquareDistance(k); //近鄰點集的距離
 if (kdtree.nearestKSearch(searchPoint,k,pointIdxNKNSearch,pointNKNSquareDistance)>0)
{
       for (size_t i = 0; i < pointIdxNKNSearch.size (); ++i)
             std::cout << "    "  <<   in_cloud->points[ pointIdxNKNSearch[i] ].x 
                            << " " << in_cloud->points[ pointIdxNKNSearch[i] ].y 
                            << " " <<in_cloud->points[ pointIdxNKNSearch[i] ].z 
                           << " (squared distance: " <<pointNKNSquareDistance[i] << ")<<std::endl;
}

//半徑為r的近鄰點
float radius = 40.0f;  //其實是求的40*40距離範圍內的點
std::vector<int> pointIdxRadiusSearch;  //存儲的對應的平方距離
std::vector<float> a;
if ( kdtree.radiusSearch (searchPoint, radius, pointIdxRadiusSearch, a) > 0 )
{
      for (size_t i = 0; i < pointIdxRadiusSearch.size (); ++i)
              std::cout << "    "  <<   in_cloud->points[ pointIdxRadiusSearch[i] ].x 
                            << " " <<in_cloud->points[ pointIdxRadiusSearch[i] ].y 
                            << " " << in_cloud->points[ pointIdxRadiusSearch[i] ].z 
                            << " (squared distance: " <<a[i] << ")" << std::endl;
}

關於ply文件

後綴命名為.ply格式文件，常用的點雲數據文件。ply文件不僅可以存儲點數據，而且可以存儲網格數據. 用emacs打開一個ply文件，觀察表頭，如果表頭element face的值為0,則表示該文件為點雲文件，如果element face的值為某一正整數N，則表示該文件為網格文件，且包含N個網格.所以利用pcl讀取 ply 文件，不能一味用pcl::PointCloud<PointT>::Ptr cloud (new pcl::PointCloud<PintT>)來讀取。在讀取ply文件時候，首先要分清該文件是點雲還是網格類文件。如果是點雲文件，則按照一般的點雲類去讀取即可，官網例子,就是這樣。如果ply文件是網格類，則需要

pcl::PolygonMesh mesh;
pcl::io::loadPLYFile(argv[1],mesh);
pcl::io::savePLYFile("result.ply", mesh);

讀取。（官網例子之所以能成功，是因為它對模型進行了細分處理，使得網格變成了點）

計算點的索引

例如sift算法中，pcl無法直接提供索引（主要原因是sift點是通過計算出來的，在某些不同參數下，sift點可能並非源數據中的點，而是某些點的近似），若要獲取索引，則可利用以下函數：

void getIndices (pointcloud::Ptr cloudin, pointcloud keypoints, pcl::PointIndices::Ptr indices)
{
    pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;
    kdtree.setInputCloud(cloudin);
    std::vector<float>pointNKNSquareDistance; //近鄰點集的距離
    std::vector<int> pointIdxNKNSearch;

    for (size_t i =0; i < keypoints.size();i++)
    {
        kdtree.nearestKSearch(keypoints.points[i],1,pointIdxNKNSearch,pointNKNSquareDistance);
        // cout<<"the distance is:"<<pointNKNSquareDistance[0]<<endl;
        // cout<<"the indieces is:"<<pointIdxNKNSearch[0]<<endl;
                
        indices->indices.push_back(pointIdxNKNSearch[0]);
                
   }

}

其思想就是：將原始數據插入到flann的kdtree中，尋找keypoints的最近鄰，如果距離等於0,則說明是同一點，提取索引即可.

計算質心

Eigen::Vector4f centroid;  //質心
pcl::compute3DCentroid(*cloud_smoothed,centroid); //估計質心的坐標

從網格提取頂點（將網格轉化為點）

#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>
#include <pcl/io/obj_io.h>
#include <pcl/PolygonMesh.h>
#include <pcl/point_cloud.h>
#include <pcl/io/vtk_lib_io.h>//loadPolygonFileOBJ所屬頭文件；
#include <pcl/io/vtk_io.h>
#include <pcl/io/ply_io.h>
#include <pcl/point_types.h>
using namespace pcl;

int main(int argc,char **argv)
{
        pcl::PolygonMesh mesh;
        //pcl::io::loadPolygonFileOBJ(argv[1], mesh);
        pcl::io::loadPLYFile(argv[1],mesh);
        pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
        pcl::fromPCLPointCloud2(mesh.cloud, *cloud);
        pcl::io::savePCDFileASCII("result.pcd", *cloud);
return 0;
}

以上代碼可以從.obj或.ply面片格式轉化為點雲類型。



　

PCL 常用小知識

相關推薦

PCL 常用小知識

ati dex min [1] light identity office offic ase 時間計算 pcl中計算程序運行時間有很多函數，其中利用控制臺的時間計算 首先必須包含頭文件 #include <pcl/console/time.h> #inclu

pcl常用小知識和幾何計算

時間計算 pcl中計算程式執行時間有很多函式，其中利用控制檯的時間計算是： 首先必須包含標頭檔案 #include <pcl/console/time.h>，其次，pcl::console::TicToc time; time.tic(); +程式段 + cout<&

pcl常用小知識

轉自：https://segmentfault.com/a/1190000007125502 時間計算 pcl中計算程式執行時間有很多函式，其中利用控制檯的時間計算是： 首先必須包含標頭檔案 #include <pcl/console/time.h>，其次，pcl::c

html常用小知識

常用 com www 中間 直接 baidu lin mail 滾動條 請求重定向：加載頁面之後，除了用js做重定向之外，我們還可以直接用<meta>標簽做重定向。 1 <meta http-equiv="refresh" content="5;url=

opencv-常用小知識

cv::Mat定義，初始化和賦值 第一種：cv::Mat M(height,width, ) cv::Mat mat(row_num, col_num, CV_64F3, cv::Scalar(0)) 第二種： cv::Mat M = cv::Mat(height,wi

Android 常用小知識之break/continue語句

使用break語句可以終止switch語句和終止迴圈的子語句塊，甚至是普通的程式塊。 1．break語句 在迴圈中，經常需要在某種條件出現時，強行終止迴圈的執行，而不是等到迴圈的判斷條件為false

php tp5常用小知識

path get 方法 nbsp ron sta con php str 1. tp5 獲取當前訪問的模塊名，控制器名，方法名 $request= \think\Request::instance(); $module = $request->

C++小知識（九）——Eigen庫的基本使用方法、PCL計算協方差矩陣

轉載自：https://blog.csdn.net/r1254/article/details/47418871 以及https://blog.csdn.net/wokaowokaowokao12345/article/details/53397488 第一部分：

C++小知識（十）——Eigen介紹及簡單使用（PCL庫實現）

轉載自：https://blog.csdn.net/fengbingchun/article/details/47378515，          Eigen是可以用來進行線性代數、矩陣、向量操作等運算的C++庫，它裡面包含了很多演算法。它的License是MPL2。它支援

iOS 知識-常用小技巧大雜燴

1. 列印View所有子檢視 po [[self view]recursiveDescription] 2. layoutSubviews呼叫的呼叫時機 * 當檢視第一次顯示的時候會被呼叫 * 當這個檢視顯示到螢幕上了,點選按鈕 * 新增子檢視也會呼叫這個方法 * 當本

iOS開發中遇到的常用的小知識

1、launchImage如果不設定，或是圖片尺寸設定不正確，app啟動時會出現短暫的黑屏 2、啟動動畫簡單示例，在app delegate中寫 //圖片擴大淡出的效果開始; //設定一個圖片; niceView = [[UIImageViewalloc] in

Kivy之常用的小知識

測試 light Language window icon pre tex mini nis 1.設置標題 app.title = ‘測試‘ 2.設置屏幕長度 Window.size=1000,600 3.設置屏幕右上角icon a

關於oracle數據庫的小知識

數字函數 左右 -o 滿足 set ltr one tar 行記錄 --查詢語句:select 列名/通配符/列別名/表達式 from 表名 (修飾/限制語句)select * from tab;select tname from tab;--指定的列select tabt

shell小知識

shell[[email protected]/* */ changeIP]# cat view.sh #!/bin/sh if [ $# -ne 1 ];then echo "USAGE:/bin/sh $0 ARG1" exit 1 fi for n in `cat ip.t

JavaEE常用小知識點整理

context add 結束 gin 參數 thread 函數 線程 -m 1.獲取項目路徑：request.getContextPath(); 2.獲取請求的參數：request.getQueryString(); 3.指定請求的字符編碼格式：URLEncoder.enc

【算法】 小知識

count 要求 字符 出現 存在 方法 最終 while 意思 　　記錄一些在我看來有意思的小算法知識 ■　　識別有效的括號字符串 　　以小括號為例，在帶括號的字符串中，如果只提取出括號作為特征，"()",""（空串）,"(()(()(())))"這些是有效的括號字符

HDU多校賽第9場 HDU 4965Fast Matrix Calculation【矩陣運算+數學小知識】

stdin amp line you stream [] nbsp content ans 難度上。，，確實。。。不算難 問題是有個矩陣運算的優化 題目是說給個N*K的矩陣A給個K*N的矩陣B（1<=N<=1000 && 1=<K<

TP框架的小知識

模塊 vol 如果 span think nds ffffff 作用 extends 1.__MODULE__ 的作用是：會替換成當前模塊的URL地址 （View ，Common ，Controller，不含域名） 2.__PUBLIC__的作用：默認項目下的Public模

運維小知識之nginx---nginx配置Jboss集群負載均衡

sdn -c err nginx error .com lee oot tle codyl 2016-01-26 00:53:00 瀏覽385 評論0 負載均衡 轉自 運維小知識之nginx---nginx配置Jboss集群負載均衡-博客-雲棲社區

MFC小知識一：將對話框設置為無邊框無標題欄初始最大化樣式

nts fec 按位與 tails blog 不變 無標題 設置 http 今天公司新開始的一個項目。界面模式為無邊框無標題欄初始最大化樣式。其實本來可以直接在屬性裏面將默認的Resizing換成none就可以了，那麽我想如何用代碼來實現呢？於是就百度了一下。找到