开源项目推荐:3D点云处理软件CloudCompare,基于Qt和OpenGL |
您所在的位置:网站首页 › qt裁剪工具 › 开源项目推荐:3D点云处理软件CloudCompare,基于Qt和OpenGL |
3D point cloud and mesh processing software,Open Source Project,Based on Qt5. CloudCompare是一款基于GPL开源协议的3D点云处理软件,可以在Windows、MacOS和Linux上运行。我们可以通过阅读其源码来一窥3D点云处理的基本算法,也可以通过设计新的plugin来拓展本软件。 CloudCompare是一个三维点云(网格)编辑和处理软件。最初,它被设计用来对稠密的三维点云进行直接比较。它依赖于一种特定的八叉树结构,在进行点云对比这类任务时具有出色的性能。此外,由于大多数点云都是由地面激光扫描仪(例如LMI)采集的,CloudCompare的目的是在一台标准笔记本电脑上处理大规模的点云——通常超过1000万个点云。例如在一台带有双核处理器的笔记本电脑上,计算出300万个点到14000个三角形网格的距离需要10秒。 1、官网 http://www.cloudcompare.org/ http://www.cloudcompare.org/forum/ 主程序源码,基于Qt5 https://github.com/CloudCompare/CloudCompare CCLib库(包含核心算法) https://github.com/CloudCompare/CCCoreLib 其他组件: https://github.com/CloudCompare/CloudCompare/tree/master/libs qCC_db(数据库) qCC_io(文件I/O库) qCC_gl(基于OpenGL的3D显示库) 2、源码编译 准备好环境:VS2017+Qt5.12.9 x64 (1)把CCCoreLib源码包解压到CloudCompare旗下的路径: \CloudCompare-master\libs\qCC_db\extern\CCCoreLib (2)使用cmake生成VS2017 x64的工程。其中Plugin的选项: 默认情形下,只有PLUGIN_IO_QCORE打钩。除了PLUGIN_IO_QCORE是必需品之外,CloudCompare不需要任何plugin。 有兴趣的读者,可以勾选PLUGIN_EXAMPLE_???这几个插件学习研究一下下。 (3)一键编译到底,成功!最终会生成两个exe,分别是主程序CloudCompare和小工具ccViewer。 \CloudCompare-master\build64\qCC\Debug\CloudCompare.exe \CloudCompare-master\build64\ccViewer\Debug\ccViewer.exe 如果勾选了插件文件,则需要手动把.dll文件拷贝到以下路径: \CloudCompare-master\build64\qCC\Debug\data\plugins (4)ccViewer是配套的小工具,可以查看3d视图。它支持很多种文件格式,最简单的是txt文本。 我们输入以下xyz坐标,即可查看3d效果。 3、参考文献 《CloudCompare:三维点云(网格)编辑和处理工具》 微信公众号:点云PCL ,作者:dianyunPCL 《基于Qt的OpenGL点云显示基本框架》 https://blog.csdn.net/bohaijun_123/article/details/78107621 我的另一篇博文: https://libaineu2004.blog.csdn.net/article/details/108401413 x、题外话 (1)点云库 PCL(Point Cloud Library)是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库,它实现了大量点云相关的通用算法和高效数据结构,涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。支持多种操作系统平台,可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说OpenCV是2D信息获取与处理的结晶,那么PCL就在3D信息获取与处理上具有同等地位,PCL是BSD授权方式,可以免费进行商业和学术应用。 https://pointclouds.org/ (2)一个精简的开源点云库 Cilantro是一个精简高效的点云数据处理库,编程是C++,依赖项较少,但是相比较于PCL来说,代码更有可读性,PCL中大量的使用C++高级特性,阅读起来比较难并且不易重构拆解代码,而cilantro重点放在了3D案例上,尽量减少了样板代码的数量,包含了对点云常见的操作,是一个比较简单易懂的API,所以该库可以被广泛的模块化,并且支持多维度数据进行操作,同时保证对算法模块的模块化和可扩展性。作者是一位在Magic leap公司工作的计算机视觉工程师,是马里兰大学伯克利分校的计算机科学博士,是感知机器人小组的成员。 https://github.com/kzampog/cilantro (3)免费的几何库 http://geometryhub.net/overview BGL (Basic Geometry Library) 包含了三维数据处理最基础的数据结构。用户可以很方便的使用它来开发各种几何相关的算法。 它是免费的,可以无限制的使用,包括科研,商业产品等。 http://geometryhub.net/bgl Geometry++ Geometry++是一个支持多平台的三维数据处理几何库,可以作为三维数据处理软件的几何引擎来使用 http://geometryhub.net/geometryplusplus Magic3D Magic3D提供了三维点云和网格数据处理的基本功能。所有功能的几何算法采用了BGL和Geometry++几何库 http://geometryhub.net/magic3d (4)三维深度学习之pointnet http://stanford.edu/~rqi/pointnet/ http://stanford.edu/~rqi/pointnet2/ https://github.com/charlesq34/pointnet https://github.com/charlesq34/pointnet2 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |