PCL点云分割（2）-白红宇

PCL点云分割（2）

阅读量：7264 次

发布时间：2019-06-29

本文共 4282 字，大约阅读时间需要 14 分钟。

关于点云的分割算是我想做的机械臂抓取中十分重要的俄一部分，所以首先学习如果使用点云库处理我用kinect获取的点云的数据，本例程也是我自己慢慢修改程序并结合官方API 的解说实现的，其中有很多细节如果直接更改源程序，可能会因为数据类型，或者头文件等各种原因编译不过，会导致我们比较难得找出其中的错误，首先我们看一下我自己设定的一个场景，然后我用kinect获取数据

观察到kinect获取的原始图像的，然后使用简单的滤波，把在其中的NANS点移除，因为很多的算法要求不能出现NANS点，我们可以看见这里面有充电宝，墨水，乒乓球，一双筷子，下面是两张纸，上面分别贴了两道黑色的胶带，我们首先就可以做一个提取原始点云的平面的实验，那么如果提取点云中平面，之前有一些基本的实例，使用平面分割法

程序如下

#include 
     
      #include 
      
       #include 
       
        #include 
        
         #include 
         
          #include 
          
           #include 
           
            #include 
            
             #include 
             
              #include 
              
               #include 
               
                #include 
                
                 #include 
                 
                  #include 
                  
                   #include 
                   
                    #include 
                    
                     #include 
                     
                      int main (int argc, char** argv){ // 读取文件 pcl::PCDReader reader; pcl::PointCloud
                      
                       ::Ptr cloud (new pcl::PointCloud
                       
                        ), cloud_f (new pcl::PointCloud
                        
                         ); pcl::PointCloud
                         
                          ::Ptr final (new pcl::PointCloud
                          
                           ); reader.read ("out0.pcd", *cloud); std::cout << "PointCloud before filtering has: " << cloud->points.size () << " data points." << std::endl; //* // 下采样，体素叶子大小为0.01 pcl::VoxelGrid
                           
                             vg; pcl::PointCloud
                            
                             ::Ptr cloud_filtered (new pcl::PointCloud
                             
                              ); vg.setInputCloud (cloud); vg.setLeafSize (0.01f, 0.01f, 0.01f); vg.filter (*cloud_filtered); std::cout << "PointCloud after filtering has: " << cloud_filtered->points.size () << " data points." << std::endl; //* pcl::ModelCoefficients::Ptr coefficients (new pcl::ModelCoefficients); pcl::PointIndices::Ptr inliers (new pcl::PointIndices); // Create the segmentation object pcl::SACSegmentation
                              
                                seg; // Optional seg.setOptimizeCoefficients (true); // Mandatory seg.setModelType (pcl::SACMODEL_PLANE); // seg.setModelType (pcl::SACMODEL_LINE ); seg.setMethodType (pcl::SAC_RANSAC); seg.setDistanceThreshold (0.01); seg.setInputCloud (cloud_filtered); seg.segment (*inliers, *coefficients); if (inliers->indices.size () == 0) { PCL_ERROR ("Could not estimate a planar model for the given dataset."); return (-1); } std::cerr << "Model coefficients: " << coefficients->values[0] << " " << coefficients->values[1] << " " << coefficients->values[2] << " " << coefficients->values[3] <

运行生成的可执行文件会输出平面模型的参数

平面模型的参数

此图是采样后的点云图

也可以在这个程序中直接实现平面的提取，但是为了更好的说明，我是将获取平面参数与平面提取给分成两个程序实现，程序如下

#include 
     
      #include 
      
       #include 
       
        #include 
        
         #include 
         
          #include 
          
           #include 
           
            #include 
            
             #include 
             
              boost::shared_ptr
              
               simpleVis (pcl::PointCloud
               
                ::ConstPtr cloud){ boost::shared_ptr
                
                  viewer (new pcl::visualization::PCLVisualizer ("3D Viewer")); viewer->setBackgroundColor (0, 0, 0); viewer->addPointCloud
                 
                   (cloud, "project_inliners cloud"); viewer->setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "sample cloud"); //viewer->addCoordinateSystem (1.0, "global"); viewer->initCameraParameters (); return (viewer);}int main (int argc, char** argv){ // 读取文件 pcl::PCDReader reader; pcl::PointCloud
                  
                   ::Ptr cloud (new pcl::PointCloud
                   
                    ), cloud_f (new pcl::PointCloud
                    
                     ); pcl::PointCloud
                     
                      ::Ptr cloud_projected (new pcl::PointCloud
                      
                       ); pcl::PointCloud
                       
                        ::Ptr final (new pcl::PointCloud
                        
                         ); reader.read ("out0.pcd", *cloud); std::cout << "PointCloud before filtering has: " << cloud->points.size () << " data points." << std::endl; //* // 下采样，体素叶子大小为0.01 pcl::VoxelGrid
                         
                           vg; pcl::PointCloud
                          
                           ::Ptr cloud_filtered (new pcl::PointCloud
                           
                            ); vg.setInputCloud (cloud); vg.setLeafSize (0.01f, 0.01f, 0.01f); vg.filter (*cloud_filtered); std::cout << "PointCloud after filtering has: " << cloud_filtered->points.size () << " data points." << std::endl; //* // Create a set of planar coefficients with X=Y= pcl::ModelCoefficients::Ptr coefficients (new pcl::ModelCoefficients ()); coefficients->values.resize (4); coefficients->values[0] = 0.140101; coefficients->values[1] = 0.126715; coefficients->values[2] = 0.981995; coefficients->values[3] = -0.702224; // Create the filtering object pcl::ProjectInliers
                            
                              proj; proj.setModelType (pcl::SACMODEL_PLANE); proj.setInputCloud (cloud_filtered); proj.setModelCoefficients (coefficients); proj.filter (*cloud_projected); boost::shared_ptr
                             
                               viewer; viewer = simpleVis(cloud_projected); while (!viewer->wasStopped ()) { viewer->spinOnce (100); boost::this_thread::sleep (boost::posix_time::microseconds (100000)); } return (0);}

执行结果就如下

提取了平面，**********************8

微信公众号号可扫描二维码一起共同学习交流

转载地址：http://drrdm.baihongyu.com/

你可能感兴趣的文章