pcl--基于区域增长的点云分割

在本教程中，我们将学习如何使用pcl::RegionGrowing 类实现的区域增长算法。算法的目的是合并在平滑度足够接近的点。因此，该算法的输出是一组簇，其中每个簇是一组点，这些点被认为是同一光滑表面的一部分。该算法的工作是基于点法线之间角度的比较。

理论：

首先，它按曲率值对点进行排序。之所以需要这样做，是因为该区域从具有最小曲率值的点开始增长。这样做的原因是，具有最小曲率的点位于平坦的区域(从最平坦的区域开始增长可以减少区段的总数)。

所以我们得到了排序后的云。直到点云中没有未标记的点为止，该算法提取曲率值最小的点并开始区域增长。此过程如下所示：

拾取的点将添加到称为“种子”的集中

对于每个种子点，该算法都会找到其相邻点。

测试每个相邻点的法线与当前种子点法线之间的角度。如果角度小于阈值，则将当前点添加到当前区域。

之后，对每个相邻点进行曲率值测试。如果曲率小于阈值，则该点将添加到种子。

当前种子将从种子集中移除。

如果种子集变为空，这意味着算法已经扩大了区域，并且从一开始就重复该过程。

源码：

创建 region_growing_segmentation.cpp 文件

 1#include <iostream>
 2#include <vector>
 3#include <pcl/point_types.h>
 4#include <pcl/io/pcd_io.h>
 5#include <pcl/search/search.h>
 6#include <pcl/search/kdtree.h>
 7#include <pcl/features/normal_3d.h>
 8#include <pcl/visualization/cloud_viewer.h>
 9#include <pcl/filters/filter_indices.h> // for pcl::removeNaNFromPointCloud
10#include <pcl/segmentation/region_growing.h>
11
12int
13main ()
14{
15  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
16  if ( pcl::io::loadPCDFile <pcl::PointXYZ> ("region_growing_tutorial.pcd", *cloud) == -1)
17  {
18    std::cout << "Cloud reading failed." << std::endl;
19    return (-1);
20  }
21
22  pcl::search::Search<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>);
23  pcl::PointCloud <pcl::Normal>::Ptr normals (new pcl::PointCloud <pcl::Normal>);
24  pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimator;
25  normal_estimator.setSearchMethod (tree);
26  normal_estimator.setInputCloud (cloud);
27  normal_estimator.setKSearch (50);
28  normal_estimator.compute (*normals);
29
30  pcl::IndicesPtr indices (new std::vector <int>);
31  pcl::removeNaNFromPointCloud(*cloud, *indices);
32
33  pcl::RegionGrowing<pcl::PointXYZ, pcl::Normal> reg;
34  reg.setMinClusterSize (50);
35  reg.setMaxClusterSize (1000000);
36  reg.setSearchMethod (tree);
37  reg.setNumberOfNeighbours (30);
38  reg.setInputCloud (cloud);
39  reg.setIndices (indices);
40  reg.setInputNormals (normals);
41  reg.setSmoothnessThreshold (3.0 / 180.0 * M_PI);
42  reg.setCurvatureThreshold (1.0);
43
44  std::vector <pcl::PointIndices> clusters;
45  reg.extract (clusters);
46
47  std::cout << "Number of clusters is equal to " << clusters.size () << std::endl;
48  std::cout << "First cluster has " << clusters[0].indices.size () << " points." << std::endl;
49  std::cout << "These are the indices of the points of the initial" <<
50    std::endl << "cloud that belong to the first cluster:" << std::endl;
51  std::size_t counter = 0;
52  while (counter < clusters[0].indices.size ())
53  {
54    std::cout << clusters[0].indices[counter] << ", ";
55    counter++;
56    if (counter % 10 == 0)
57      std::cout << std::endl;
58  }
59  std::cout << std::endl;
60
61  pcl::PointCloud <pcl::PointXYZRGB>::Ptr colored_cloud = reg.getColoredCloud ();
62  pcl::visualization::CloudViewer viewer ("Cluster viewer");
63  viewer.showCloud(colored_cloud);
64  while (!viewer.wasStopped ())
65  {
66  }
67
68  return (0);
69}

说明：

1、相关的头文件

 1#include <iostream>
 2#include <vector>
 3#include <pcl/point_types.h>
 4#include <pcl/io/pcd_io.h>
 5#include <pcl/search/search.h>
 6#include <pcl/search/kdtree.h>
 7#include <pcl/features/normal_3d.h>
 8#include <pcl/visualization/cloud_viewer.h>
 9#include <pcl/filters/filter_indices.h> // for pcl::removeNaNFromPointCloud
10#include <pcl/segmentation/region_growing.h>
11

2、加载点云pcd文件

  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
  if ( pcl::io::loadPCDFile <pcl::PointXYZ> ("region_growing_tutorial.pcd", *cloud) == -1)
  {
    std::cout << "Cloud reading failed." << std::endl;
    return (-1);
  }

3、计算点的法线

  pcl::search::Search<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>);
  pcl::PointCloud <pcl::Normal>::Ptr normals (new pcl::PointCloud <pcl::Normal>);
  pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimator;
  normal_estimator.setSearchMethod (tree);
  normal_estimator.setInputCloud (cloud);
  normal_estimator.setKSearch (50);
  normal_estimator.compute (*normals);

4、去除一些无效点

  pcl::IndicesPtr indices (new std::vector <int>);
  pcl::removeNaNFromPointCloud(*cloud, *indices);

5、实例化pcl：：RegionGrowing。它是一个模板类，有两个参数：

PointT—要使用的点的类型（在给定的示例中为pcl：：PointXYZ）

NormalT—要使用的法线类型（在给定的示例中为pcl：：Normal）

然后设置最小和最大集群大小。这意味着分割完成后，所有点小于最小值（或大于最大值）的簇都将被丢弃。最小值和最大值的默认值分别为1和“尽可能多”。

  pcl::RegionGrowing<pcl::PointXYZ, pcl::Normal> reg;
  reg.setMinClusterSize (50);//最小集群大小
  reg.setMaxClusterSize (1000000);//最大集群大小
  reg.setSearchMethod (tree);//使用kdtree最近邻搜索
  reg.setNumberOfNeighbours (30);//设置邻居的数量
  reg.setInputCloud (cloud);//传入点云
  reg.setIndices (indices);//传入点索引
  reg.setInputNormals (normals);//传入法线
  reg.setSmoothnessThreshold (3.0 / 180.0 * M_PI);//平滑度阈值
  reg.setCurvatureThreshold (1.0);//曲率阈值
  std::vector <pcl::PointIndices> clusters;
  reg.extract (clusters);

6、输出一些信息

  std::cout << "Number of clusters is equal to " << clusters.size () << std::endl;
  std::cout << "First cluster has " << clusters[0].indices.size () << " points." << std::endl;
  std::cout << "These are the indices of the points of the initial" <<
    std::endl << "cloud that belong to the first cluster:" << std::endl;
  std::size_t counter = 0;
  while (counter < clusters[0].indices.size ())
  {
    std::cout << clusters[0].indices[counter] << ", ";
    counter++;
    if (counter % 10 == 0)
      std::cout << std::endl;
  }
  std::cout << std::endl;

7、RegionGrowing类提供了一个方法，该方法返回彩色云，其中每个集群都有自己的颜色。因此，在这部分代码中，pcl：：visualization：：CloudViewer被实例化，用于查看分割结果-相同颜色的云。

  pcl::PointCloud <pcl::PointXYZRGB>::Ptr colored_cloud = reg.getColoredCloud ();
  pcl::visualization::CloudViewer viewer ("Cluster viewer");
  viewer.showCloud(colored_cloud);
  while (!viewer.wasStopped ())
  {
  }
 
  return (0);
}

编译和运行

1、将以下行添加到CmakeList.txt文件：

 1cmake_minimum_required(VERSION 3.5 FATAL_ERROR)
 2
 3project(region_growing_segmentation)
 4
 5find_package(PCL 1.5 REQUIRED)
 6
 7include_directories(${PCL_INCLUDE_DIRS})
 8link_directories(${PCL_LIBRARY_DIRS})
 9add_definitions(${PCL_DEFINITIONS})
10
11add_executable (region_growing_segmentation region_growing_segmentation.cpp)
12target_link_libraries (region_growing_segmentation ${PCL_LIBRARIES})

2、运行

$ ./region_growing_segmentation

3、输出