PCL求点云法向量与NormalEstimation的使用 |
您所在的位置：网站首页 › 法向量的口算方法 › PCL求点云法向量与NormalEstimation的使用 |
|
目录 原理说明 适用场景和使用感受 法向量求取实例 原理说明核心是把局部点当作一个平面，利用平面的法向量与平行于平面的法向量乘机为零，来计算； 法向量的方向是不确定的，可能朝平面上，也可能是朝平面下，因此，如果需要统一法向量的方向，需要设置视点，原理是求取法向量点为起点，以视点为终点形成的向量与法向量的乘积大于零，也就是夹角是锐角； 适用场景和使用感受PCL中把法向量作为点云的一个特征来求，即归类为3Dfeature，因此也可以单独作为一个特征使用； 在很多环节中都需要求点云的法向量，例如抓取点的抓取方向、筛选特征点，去除异常点，点云压缩、点云匹配等等； 法向量的主要参数需要根据点云的不同，和用途的不同来设置，才能满足最后的需求； 局部点集合的法向量可以结合起来得到一些信息，提取一些局部信息； 法向量求取实例代码如下，详细看注释即可，来源见参考； #include #include #include #include #include #include int main() { //加载点云 pcl::PointCloud::Ptr cloud(new pcl::PointCloud); pcl::io::loadPCDFile("table_scene_lms400.pcd", *cloud); //估计法线 pcl::NormalEstimation ne; ne.setInputCloud(cloud); //定义视点 ne.setViewPoint(0.0, 0.0, 0.0); //创建一个空的kdtree对象，并把它传递给法线估计对象 //基于给出的输入数据集，kdtree将被建立 pcl::search::KdTree::Ptr tree(new pcl::search::KdTree()); ne.setSearchMethod(tree); //输出数据集 pcl::PointCloud::Ptr cloud_normals(new pcl::PointCloud); //使用半径在查询点周围3厘米范围内的所有邻元素 ne.setRadiusSearch(0.03); //计算特征值 ne.compute(*cloud_normals); // cloud_normals->points.size ()应该与input cloud_downsampled->points.size ()有相同尺寸 //法线可视化 pcl::visualization::PCLVisualizer viewer("PCL Viewer"); viewer.setBackgroundColor(0.0, 0.0, 0.0); viewer.addPointCloudNormals(cloud, cloud_normals); while (!viewer.wasStopped()) { viewer.spinOnce(); } return 0; } 参考：《PCL点云处理》第十章 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |