PCL泊淞重建移动立方体算法

2024-02-28 16:18
文章标签 算法 pcl 立方体 移动 重建 泊淞

本文主要是介绍PCL泊淞重建移动立方体算法，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！

一、泊淞重建 

参考：https://github.com/Ewenwan/MVision/blob/master/PCL_APP/Basic/Surface/recon_poisson.cpp

/*
三维重构之泊松重构
pcl::Poisson<pcl::PointNormal> pn ;
通过本教程，我们将会学会：如果通过泊松算法进行三维点云重构。程序支持两种文件格式：*.pcd和*.ply程序先读取点云文件，然后计算法向量，接着使用泊松算法进行重构，最后显示结果。
*///点的类型的头文件
#include <pcl/point_types.h>
//点云文件IO（pcd文件和ply文件）
#include <pcl/io/pcd_io.h>
#include <pcl/io/ply_io.h>
//kd树
#include <pcl/kdtree/kdtree_flann.h>
//特征提取
#include <pcl/features/normal_3d_omp.h>//　法线特征
#include <pcl/features/normal_3d.h>
//重构
//#include <pcl/surface/gp3.h> // 贪婪投影三角化算法
#include <pcl/surface/poisson.h>// 泊松算法进行重构
//可视化
#include <pcl/visualization/pcl_visualizer.h>
//多线程
#include <boost/thread/thread.hpp>
// std
#include <fstream>
#include <iostream>
#include <stdio.h>
#include <string.h>
#include <string>int main(int argc, char** argv)
{if(argc<2){ std::cout << "need ply/pcd file. " << std::endl;return -1;}// 确定文件格式char tmpStr[100];strcpy(tmpStr,argv[1]);char* pext = strrchr(tmpStr, '.');std::string extply("ply");std::string extpcd("pcd");if(pext){*pext='\0';pext++;}std::string ext(pext);//如果不支持文件格式，退出程序if (!((ext == extply)||(ext == extpcd))){std::cout << "文件格式不支持!" << std::endl;std::cout << "支持文件格式：*.pcd和*.ply！" << std::endl;return(-1);}//根据文件格式选择输入方式pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);//创建点云对象指针，用于存储输入if (ext == extply){if (pcl::io::loadPLYFile(argv[1] , *cloud) == -1){PCL_ERROR("Could not read ply file!\n") ;return -1;}}else{if (pcl::io::loadPCDFile(argv[1] , *cloud) == -1){PCL_ERROR("Could not read pcd file!\n") ;return -1;}}// 计算法向量 x,y,x + 法向量　+　曲率pcl::PointCloud<pcl::PointNormal>::Ptr  cloud_with_normals(new pcl::PointCloud<pcl::PointNormal>); //法向量点云对象指针pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> n;//法线估计对象pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);//存储估计的法线的指针pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);tree->setInputCloud(cloud);n.setInputCloud(cloud);n.setSearchMethod(tree);n.setKSearch(20);//20个邻居n.compute(*normals);//计算法线，结果存储在normals中//　将点云和法线放到一起pcl::concatenateFields(*cloud,  *normals,  *cloud_with_normals);//创建搜索树pcl::search::KdTree<pcl::PointNormal>::Ptr tree2(new pcl::search::KdTree<pcl::PointNormal>);tree2->setInputCloud(cloud_with_normals);//创建Poisson对象，并设置参数pcl::Poisson<pcl::PointNormal> pn;pn.setConfidence(false); //是否使用法向量的大小作为置信信息。如果false，所有法向量均归一化。pn.setDegree(2); //设置参数degree[1,5],值越大越精细，耗时越久。pn.setDepth(8); //树的最大深度，求解2^d x 2^d x 2^d立方体元。// 由于八叉树自适应采样密度，指定值仅为最大深度。pn.setIsoDivide(8); //用于提取ISO等值面的算法的深度pn.setManifold(false); //是否添加多边形的重心，当多边形三角化时。 
// 设置流行标志，如果设置为true，则对多边形进行细分三角话时添加重心，设置false则不添加pn.setOutputPolygons(false); //是否输出多边形网格（而不是三角化移动立方体的结果）pn.setSamplesPerNode(3.0); //设置落入一个八叉树结点中的样本点的最小数量。无噪声，[1.0-5.0],有噪声[15.-20.]平滑pn.setScale(1); //设置用于重构的立方体直径和样本边界立方体直径的比率。pn.setSolverDivide(8); //设置求解线性方程组的Gauss-Seidel迭代方法的深度//pn.setIndices();//设置搜索方法和输入点云pn.setSearchMethod(tree2);pn.setInputCloud(cloud_with_normals);//创建多变形网格，用于存储结果pcl::PolygonMesh mesh;//执行重构pn.performReconstruction(mesh);//保存网格图pcl::io::savePLYFile("result.ply", mesh);// 显示结果图boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D viewer")) ;viewer->setBackgroundColor(0 , 0 , 0);//背景　黑色viewer->addPolygonMesh(mesh , "my");//mesh//viewer->addCoordinateSystem (0.10);//坐标系viewer->initCameraParameters();//相机参数while (!viewer->wasStopped()){viewer->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(100000));}return 0;
}

问题：会出现耳朵重叠以及一些洞 

二、移动立方体算法

/*
三维重构之移动立方体算法
*/
#include <pcl/point_types.h>//点的类型的头文件
#include <pcl/io/pcd_io.h>//点云文件IO（pcd文件和ply文件）
#include <pcl/io/ply_io.h>
#include <pcl/kdtree/kdtree_flann.h>//kd树 快速搜索
#include <pcl/features/normal_3d.h>//　法线特征
#include <pcl/surface/marching_cubes_hoppe.h>// 移动立方体算法
#include <pcl/surface/marching_cubes_rbf.h>
#include <pcl/surface/gp3.h>// 贪婪投影三角化算法
#include <pcl/visualization/pcl_visualizer.h>//可视化
#include <boost/thread/thread.hpp>//多线程
#include <fstream>// std
#include <iostream>
#include <stdio.h>
#include <string.h>
#include <string>int main (int argc, char** argv)
{if(argc<2){ std::cout << "need ply/pcd file. " << std::endl;return -1;}// 确定文件格式char tmpStr[100];strcpy(tmpStr,argv[1]);char* pext = strrchr(tmpStr, '.');std::string extply("ply");std::string extpcd("pcd");if(pext){*pext='\0';pext++;}std::string ext(pext);//如果不支持文件格式，退出程序if (!((ext == extply)||(ext == extpcd))){std::cout << "文件格式不支持!" << std::endl;std::cout << "支持文件格式：*.pcd和*.ply！" << std::endl;return(-1);}//根据文件格式选择输入方式pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>) ; //创建点云对象指针，用于存储输入if (ext == extply){if (pcl::io::loadPLYFile(argv[1] , *cloud) == -1){PCL_ERROR("Could not read ply file!\n") ;return -1;}}else{if (pcl::io::loadPCDFile(argv[1] , *cloud) == -1){PCL_ERROR("Could not read pcd file!\n") ;return -1;}}// 估计法向量 x,y,x + 法向量　+　曲率pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> n;pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>);pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>);tree->setInputCloud(cloud);n.setInputCloud(cloud);n.setSearchMethod(tree);n.setKSearch(20);//20个邻居n.compute (*normals); //计算法线，结果存储在normals中std::cout<<"normals Fields: "<<pcl::getFieldsList(*normals)<<std::endl;//* normals 不能同时包含点的法向量和表面的曲率//将点云和法线放到一起pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals (new pcl::PointCloud<pcl::PointNormal>);pcl::concatenateFields (*cloud, *normals, *cloud_with_normals);//* cloud_with_normals = cloud + normals//创建搜索树pcl::search::KdTree<pcl::PointNormal>::Ptr tree2 (new pcl::search::KdTree<pcl::PointNormal>);tree2->setInputCloud (cloud_with_normals);//初始化 移动立方体算法 MarchingCubes对象，并设置参数pcl::MarchingCubes<pcl::PointNormal> *mc;mc = new pcl::MarchingCubesHoppe<pcl::PointNormal> ();/*if (hoppe_or_rbf == 0)mc = new pcl::MarchingCubesHoppe<pcl::PointNormal> ();else{mc = new pcl::MarchingCubesRBF<pcl::PointNormal> ();(reinterpret_cast<pcl::MarchingCubesRBF<pcl::PointNormal>*> (mc))->setOffSurfaceDisplacement (off_surface_displacement);}*///创建多变形网格，用于存储结果pcl::PolygonMesh mesh;//设置MarchingCubes对象的参数mc->setIsoLevel (0.0f);mc->setGridResolution (50, 50, 50);mc->setPercentageExtendGrid (0.0f);//设置搜索方法mc->setInputCloud (cloud_with_normals);//执行重构，结果保存在mesh中mc->reconstruct (mesh);//保存网格图pcl::io::savePLYFile("result2.ply", mesh);// 显示结果图boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer (new pcl::visualization::PCLVisualizer ("3D Viewer"));viewer->setBackgroundColor (0, 0, 0); //设置背景viewer->addPolygonMesh(mesh,"my"); //设置显示的网格//viewer->addCoordinateSystem (1.0); //设置坐标系viewer->initCameraParameters ();while (!viewer->wasStopped ()){viewer->spinOnce (100);boost::this_thread::sleep (boost::posix_time::microseconds (100000));}return (0);
}

 

这篇关于PCL泊淞重建移动立方体算法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/755993。

相关文章

Python中的随机森林算法与实战

Python中的随机森林算法与实战

《Python中的随机森林算法与实战》本文详细介绍了随机森林算法,包括其原理、实现步骤、分类和回归案例,并讨论了其优点和缺点,通过面向对象编程实现了一个简单的随机森林模型,并应用于鸢尾花分类和波士顿房... 目录1、随机森林算法概述2、随机森林的原理3、实现步骤4、分类案例：使用随机森林预测鸢尾花品种4.1
阅读更多...
不懂推荐算法也能设计推荐系统

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例，告诉我们不懂推荐算法的产品，也能从产品侧出发， 设计出一款不错的推荐系统。 相信很多新手产品，看到算法二字，多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法（注：传统是指科班出身的产品都会接触过）。但对于推荐算法，多数产品对着网上搜到的资源，都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后，更是加大了理解的难度。 但，不了解推荐算法，就无法做推荐系
阅读更多...
康拓展开（hash算法中会用到）

康拓展开（hash算法中会用到）

康拓展开是一个全排列到一个自然数的双射（也就是某个全排列与某个自然数一一对应） 公式： X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。（a[i]在不同应用中的含义不同）； 典型应用： 计算当前排列在所有由小到大全排列中的顺序，也就是说求当前排列是第
阅读更多...
csu 1446 Problem J Modified LCS （扩展欧几里得算法的简单应用）

csu 1446 Problem J Modified LCS （扩展欧几里得算法的简单应用）

这是一道扩展欧几里得算法的简单应用题，这题是在湖南多校训练赛中队友ac的一道题，在比赛之后请教了队友，然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意：把题意转变下就变成了：求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点：求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个
阅读更多...
综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动，这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升：减少抖动，提高图像的清晰度和细节表现力，使得监控画面更加真实可信。 - 细节增强：在低光条件下，抖
阅读更多...
【数据结构】——原来排序算法搞懂这些就行，轻松拿捏

【数据结构】——原来排序算法搞懂这些就行，轻松拿捏

前言：快速排序的实现最重要的是找基准值，下面让我们来了解如何实现找基准值 基准值的注释：在快排的过程中，每一次我们要取一个元素作为枢纽值，以这个数字来将序列划分为两部分。 在此我们采用三数取中法，也就是取左端、中间、右端三个数，然后进行排序，将中间数作为枢纽值。 快速排序实现主框架： //快速排序 void QuickSort(int* arr, int left, int rig
阅读更多...
poj 3974 and hdu 3068 最长回文串的O（n）解法(Manacher算法)

poj 3974 and hdu 3068 最长回文串的O（n）解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大，用原来的O（n^2）会爆。 小白上的O(n^2)解法代码：TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO
阅读更多...
秋招最新大模型算法面试，熬夜都要肝完它

秋招最新大模型算法面试，熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候，不知道面试完会不会复盘、总结，做笔记的习惯，这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助，都附有完整答案，熬夜也要看完，祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN，还有完整版的大模型 AI 学习资料，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
阅读更多...
dp算法练习题【8】

dp算法练习题【8】

不同二叉搜索树 96. 不同的二叉搜索树 给你一个整数 n ，求恰由 n 个节点组成且节点值从 1 到 n 互不相同的 二叉搜索树 有多少种？返回满足题意的二叉搜索树的种数。 示例 1： 输入：n = 3输出：5 示例 2： 输入：n = 1输出：1 class Solution {public int numTrees(int n) {int[] dp = new int
阅读更多...
Codeforces Round #240 (Div. 2) E分治算法探究1

Codeforces Round #240 (Div. 2) E分治算法探究1

Codeforces Round #240 (Div. 2) E  http://codeforces.com/contest/415/problem/E 2^n个数，每次操作将其分成2^q份，对于每一份内部的数进行翻转(逆序)，每次操作完后输出操作后新序列的逆序对数。 图一：  划分子问题。 图二： 分而治之，=>  合并 。 图三： 回溯：
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2