• 【编程实践】使用pcl提取给定点云的三维边界点


    1 执行结果

    原始点云可视化
    在这里插入图片描述
    搜索半径设置为0.1m
    在这里插入图片描述
    搜索半径设置为0.05m
    在这里插入图片描述

    2 代码实现

    // boundary
    
    #include <pcl/point_types.h>
    #include <pcl/features/normal_3d.h>
    #include <pcl/features/boundary.h>
    #include <pcl/io/file_io.h>
    #include <pcl/io/pcd_io.h>
    #include <pcl/io/io.h>
    using namespace std;
    int main() {
    	// 加载点云数据
    	std::cout << "Process start" << endl;
    	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    	//pcl::io::loadPCDFile(".\\input\\KuangshanCut_S85_cp30.pcd", *cloud);
    	//数据输入路径
    	pcl::io::loadPCDFile<pcl::PointXYZ>(".\\input\\cloud_in.pcd", *cloud);
    	//auto start_tm = std::chrono::high_resolution_clock::now();
    	// 估计法线
    	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 normals(new pcl::PointCloud<pcl::Normal>);
    	ne.setRadiusSearch(0.08);
    	ne.compute(*normals);
    	std::cout << " Wait... " << endl;
    	// 计算边界
    	pcl::PointCloud<pcl::Boundary>::Ptr boundaries(new pcl::PointCloud<pcl::Boundary>);
    	pcl::PointCloud<pcl::PointXYZ>::Ptr boundary_points(new pcl::PointCloud<pcl::PointXYZ>);
    	pcl::PointCloud<pcl::Normal>::Ptr boundary_normals(new pcl::PointCloud<pcl::Normal>);
    	pcl::PointCloud<pcl::PointXYZ>::Ptr non_boundary_points(new pcl::PointCloud<pcl::PointXYZ>);
    	pcl::PointCloud<pcl::Normal>::Ptr non_boundary_normals(new pcl::PointCloud<pcl::Normal>);
    	pcl::BoundaryEstimation<pcl::PointXYZ, pcl::Normal, pcl::Boundary> est;
    	est.setInputCloud(cloud);
    	est.setInputNormals(normals);
    	est.setRadiusSearch(0.1);
    	est.setSearchMethod(tree);
    	est.compute(*boundaries);
    	// 获取边界点和法线
    	for (size_t i = 0; i < cloud->size(); ++i) {
    		if (boundaries->points[i].boundary_point) {
    			boundary_points->push_back(cloud->points[i]);
    			boundary_normals->push_back(normals->points[i]);
    		}
    		else {
    			non_boundary_points->push_back(cloud->points[i]);
    			non_boundary_normals->push_back(normals->points[i]);
    		}
    	}
    	// 保存边界点云和非边界点云,数据输出路径
    	pcl::io::savePCDFile<pcl::PointXYZ>(".\\output\\cloud_out_boundary_r01_points.pcd", *boundary_points);
    	pcl::io::savePCDFile<pcl::PointXYZ>(".\\output\\cloud_out_nonboundary_r01_points.pcd", *non_boundary_points);
    	//计算程序执行时间
    	/*auto end_tm = std::chrono::high_resolution_clock::now();
    	std::chrono::duration dura = end_tm - start_tm;
    	double execu_tm = dura.count();
    	std::cout<<" The time of software executionTime"<
    	std::cout << "Process Done!" << endl;
    	return 0;
    }
    
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
  • 相关阅读:
    Java中数据同步-synchronized关键字与Mointor的使用
    剑指 Offer 46. 把数字翻译成字符串(DP)
    TypeScript入门与编译的配置
    GPFS 文件系统部署步骤
    制造业生产类数据都有哪些分类,如何分析?
    windows下的docker和Kubernetes安装
    计算机网络之网络体系结构
    【C++】循环体内和循环体外定义变量的区别
    达芬奇调色:色彩理论入门
    手写raft(三) 实现日志压缩
  • 原文地址:https://blog.csdn.net/weixin_41512747/article/details/132866135