点云去质心 pcl

2023-10-27 15:50
文章标签 pcl 质心 点云去

本文主要是介绍点云去质心 pcl,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

日期:2021/12/2
参考链接:http://it.ckcest.cn/article-3992715-1.html

代码

网上公开的点云去质心的程序比较少,此处结合实际应用对参考程序进行修改,代码如下:

#include <pcl/io/pcd_io.h>
#include <pcl/common/centroid.h>
#include <iostream>#include <vtkAutoInit.h>
#include <pcl/io/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所属头文件;
#include <pcl/visualization/pcl_visualizer.h>using namespace std;int main()
{//加载点云,此处输入为.obj文件std::string fileName = "/home/sun/Fast_RNRR/data/test/source.obj"; //输入文件地址;    pcl::PolygonMesh meshData; //读取原始数据pcl::io::loadPolygonFile(fileName,meshData);pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_in;cloud_in.reset(new pcl::PointCloud<pcl::PointXYZ>);pcl::fromPCLPointCloud2(meshData.cloud, *cloud_in);//将obj数据转换为点云数据// if (pcl::io::loadPCDFile(fileName, *cloud_in) < 0)// {// 	PCL_ERROR("该点云文件不存在!");// 	return -1;// }//计算输入点云质心Eigen::Vector4f centroid_in;pcl::compute3DCentroid(*cloud_in, centroid_in);cout << "质心坐标为:" << "core_x:" << centroid_in[0] << endl << "core_y:" << centroid_in[1] << endl << "core_z:" << centroid_in[2] << endl;/*-----执行去质心-----*///方式1:调用demeanPointCloud()函数pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_out1(new pcl::PointCloud<pcl::PointXYZ>);pcl::demeanPointCloud(*cloud_in, centroid_in, *cloud_out1);//计算去质心后点云质心Eigen::Vector4f centroid_out1;pcl::compute3DCentroid(*cloud_out1, centroid_out1);cout << "方式1去质心后质心坐标为:" << "core_x:" << centroid_out1[0] << endl << "core_y:" << centroid_out1[1] << endl << "core_z:" << centroid_out1[2] << endl;//方式2:循环实现pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_out2(new pcl::PointCloud<pcl::PointXYZ>);*cloud_out2 = *cloud_in;for (size_t i = 0; i < cloud_in->size(); ++i){cloud_out2->points[i].x = cloud_in->points[i].x - centroid_in[0];cloud_out2->points[i].y = cloud_in->points[i].y - centroid_in[1];cloud_out2->points[i].z = cloud_in->points[i].z - centroid_in[2];}//计算去质心后点云质心Eigen::Vector4f centroid_out2;pcl::compute3DCentroid(*cloud_out2, centroid_out2);cout << "方式2去质心后质心坐标为:" << "core_x:" << centroid_out2[0] << endl << "core_y:" << centroid_out2[1] << endl << "core_z:" << centroid_out2[2] << endl;//两种去质心方式的比较cout << "两种去质心方式的差值:" << endl;cout << "delt_x=" << centroid_out1[0] - centroid_out2[0] << endl << "delt_y=" << centroid_out1[1] - centroid_out2[1] << endl << "delt_z=" << centroid_out1[2] - centroid_out2[2] << endl;//保存去质心后点云if (!cloud_out1->empty()){//保存的文件名为cloud0.pcd,默认保存位置为build文件夹下pcl::io::savePCDFileBinary("cloud0.pcd", *cloud_out1); }return 0;
}

运行结果

程序运行结果如下:
在这里插入图片描述

结果分析

根据理论分析,点云去质心之后的质心坐标应该是(0,0,0),可是实际的结果却不是零,而是一个接近零的数,这是合理的,因为计算机的结果是数值解,会存在截断误差。

这篇关于点云去质心 pcl的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/286689

相关文章

PCL点云滤波

激光扫描仪、RGB-D相机等设备获取点云数据时,由于设备精度,电磁波的衍射特性,环境因素,操作者经验等因素,导致获取的点云存在一定程度的噪声。点云中的噪声点对后续操作的影响比较大,因此在进行后续处理操作前,应先去除点云噪声。   PCL中有一个专门的点云滤波模块(滤波函数文档地址),可以将噪声点去除,还可以进行点云压缩等操作,非常灵活实用,例如:双边滤波,统计滤波,条件滤波,随机采样一致性滤波

PCL-直通滤波

本篇内容: 讲解直通滤波的作用通过pcl实现直通滤波 效果: 1 主要原理 点云数据通常包含x、y、z三个维度的数据,用户指定维度、范围后,直通滤波过滤或保留该范围内的所有点云 假设我指定维度’y’,范围(0.0,0.1),运行直通滤波后,则过滤或保留y坐标为(0.0,0.1)范围内的所有点云 2 直通滤波主要流程 初始化直通滤波器: pcl::PassThrough<PointTy

【译】PCL官网教程翻译(22):全局对齐空间分布(GASD)描述符 - Globally Aligned Spatial Distribution (GASD) descriptors

英文原文查看 全局对齐空间分布(GASD)描述符 本文描述了全局对齐的空间分布(GASD)全局描述符,用于有效的目标识别和姿态估计。 GASD基于表示对象实例的整个点云的参考系的估计,该实例用于将其与正则坐标系对齐。然后,根据对齐后的点云的三维点在空间上的分布情况计算其描述符。这种描述符还可以扩展到整个对齐点云的颜色分布。将匹配点云的全局对齐变换用于目标姿态的计算。更多信息请参见GASD。

【译】PCL官网教程翻译(21):旋转投影统计(RoPs)特征 - RoPs (Rotational Projection Statistics) feature

英文原网址查看 旋转投影统计(RoPs)特征 在本教程中,我们将学习如何使用pcl::ROPSEstimation类来提取点特性。在这门课中实现的特征提取方法是由Yulan Guo, Ferdous Sohel, Mohammed Bennamoun, Min Lu and Jianwei Wanalso在他们的文章《旋转投影统计用于三维局部表面描述和目标识别》中提出的。 理论基础 特征提

【译】PCL官网教程翻译(20):惯性矩和偏心距描述符 - Moment of inertia and eccentricity based descriptors

英文原网页查看。 基于惯性矩和偏心距的描述符 在本教程中,我们将学习如何使用pcl::MomentOfInertiaEstimation类来获得基于偏心量和惯性矩的描述符。这个类还允许提取轴对齐和有向的点云包围框。但是请记住,提取的OBB可能并不是最小的边界框。 理论基础 特征提取方法的思想如下。首先计算点云的协方差矩阵,提取点云的特征值和特征向量。可以考虑得到的特征向量是归一化的,并且总

【译】PCL官网教程翻译(19):从深度图像中提取NARF特征 - How to extract NARF Features from a range image

英文原文阅读 从深度图像中提取NARF特征 本教程演示如何从深度图像中提取位于NARF关键点位置的NARF描述符。可执行文件使我们能够从磁盘加载点云(如果没有提供,也可以创建点云),从中提取感兴趣的点,然后在这些位置计算描述符。然后,它在图像和3D查看器中可视化这些位置。 代码 首先,在您喜欢的编辑器中创建一个名为narf_feature_extract .cpp的文件,并在其中放置以下代

【译】PCL官网教程翻译(18):估计一组点的视点特征直方图(VFH)签名 - Estimating VFH signatures for a set of points

英文原文查看 估计一组点的视点特征直方图(VFH)签名 本文描述了视点特征直方图([VFH])描述符,这是一种针对聚类(如对象)识别和6DOF姿态估计问题的点簇表示方法。 下图展示了一个VFH识别和姿态估计的例子。给定一组火车数据(除最左边的点云外,最上面一行、最下面一行),学习一个模型,然后使用一个云(最左边的部分)查询/测试模型。匹配的结果按从最好到最差的顺序从左到右从左下角开始。有关更多

【译】PCL官网教程翻译(17):快速点特征直方图(FPFH)描述符 -Fast Point Feature Histograms (FPFH) descriptors

英文原文阅读 快速点特征直方图(FPFH)描述符 计算复杂度直方图(见点特征直方图(PFH)描述符)对于一个给定的有 n n n个点的点云 P P P为 O ( n k 2 ) O (nk ^ 2) O(nk2), k k k是每个点P的最邻近点个数。对于要求实时或接近实时的应用程序,密集点的特征直方图的计算效率是一个一个主要问题。 本教程描述了PFH公式的简化,称为快速点特征直方图(FPF

【译】PCL官网教程翻译(16):点特征直方图(PFH)描述符 -Point Feature Histograms (PFH) descriptors

英文原网页查看。 点特征直方图(PFH)描述符 就点特征表示而言,表面法线和曲率估计是在表示特定点周围的基本的几何形状方面。虽然计算速度极快,也很容易,但是它们不能捕捉太多的细节,因为它们只能用很少的值来近似一个点的k邻域的几何形状。直接的结果是,大多数场景将包含许多具有相同或非常相似的特征值的点,从而减少了它们的信息特征。 本教程介绍了一组为简单起见而创建的3D特征描述符PFH(点特征直方图

Ubuntu中PCL、Eigen、ROS、Ceres、VScode相关操作,安装,卸载,文件存储位置基础合集

Ubuntu中PCL相关操作 查看PCL对应的版本号 apt-cache show libpcl-dev 卸载PCL相关命令 sudo apt-get remove libpcl-dev 如果想要完全卸载相关软件包及其配置文件,需要加上--purge参数: sudo apt-get --purge remove libpcl-dev Ubuntu中eigen相关操作 ubunt