随笔分类 - PCL学习
摘要：对点云的操作可以直接应用变换矩阵，即旋转，平移，尺度，3D的变换就是要使用4*4 的矩阵,例如： 等等模型 在这里直接使用程序开实现一个点云的旋转，新建文件matrix.cpp 编译后我们随便找一个PCD文件查看效果，也可以该程序的参数，查看不同的参数的结果 命令窗口打印的结果 可视化的结果 (2)
阅读全文
摘要：在测量较小的数据时会产生一些误差，这些误差所造成的不规则数据如果直接拿来曲面重建的话，会使得重建的曲面不光滑或者有漏洞，可以采用对数据重采样来解决这样问题，通过对周围的数据点进行高阶多项式插值来重建表面缺少的部分， （1）用最小二乘法对点云进行平滑处理 新建文件resampling.cpp 结果对比
阅读全文
摘要：如何从一个深度图像（range image）中提取NARF特征 代码解析narf_feature_extraction.cpp 编译运行./narf_feature_extraction -m 这将自动生成一个呈矩形的点云，检测的特征点处在角落处，参数-m是必要的，因为矩形周围的区域观测不到，但是属
阅读全文
摘要：快速点特征直方图(FPFH)描述子 已知点云P中有n个点，那么它的点特征直方图（PFH）的理论计算复杂度是，其中k是点云P中每个点p计算特征向量时考虑的邻域数量。对于实时应用或接近实时应用中，密集点云的点特征直方图（PFH）的计算，是一个主要的性能瓶颈。此处为PFH计算方式的简化形式，称为快速点特征
阅读全文
摘要：点特征直方图（PFH）描述子 正如点特征表示法所示，表面法线和曲率估计是某个点周围的几何特征基本表示法。虽然计算非常快速容易，但是无法获得太多信息，因为它们只使用很少的几个参数值来近似表示一个点的k邻域的几何特征。然而大部分场景中包含许多特征点，这些特征点有相同的或者非常相近的特征值，因此采用点特征
阅读全文
摘要：3D点云特征描述与提取是点云信息处理中最基础也是最关键的一部分，点云的识别。分割，重采样，配准曲面重建等处理大部分算法，都严重依赖特征描述与提取的结果。从尺度上来分，一般分为局部特征的描述和全局特征的描述，例如局部的法线等几何形状特征的描述，全局的拓朴特征的描述，都属于3D点云特征描述与提取的范畴，
阅读全文
摘要：目前深度图像的获取方法有激光雷达深度成像法，计算机立体视觉成像，坐标测量机法，莫尔条纹法，结构光法等等，针对深度图像的研究重点主要集中在以下几个方面，深度图像的分割技术 ，深度图像的边缘检测技术 ，基于不同视点的多幅深度图像的配准技术，基于深度数据的三维重建技术，基于三维深度图像的三维目标识别技术，
阅读全文
摘要：（1）点云到深度图与可视化的实现 区分点云与深度图本质的区别 1.深度图像也叫距离影像，是指将从图像采集器到场景中各点的距离（深度）值作为像素值的图像。获取方法有：激光雷达深度成像法、计算机立体视觉成像、坐标测量机法、莫尔条纹法、结构光法。 2.点云：当一束激光照射到物体表面时，所反射的激光会携带方
阅读全文
摘要：关键点也称为兴趣点，它是2D图像或是3D点云或者曲面模型上，可以通过定义检测标准来获取的具有稳定性，区别性的点集，从技术上来说，关键点的数量相比于原始点云或图像的数据量减小很多，与局部特征描述子结合在一起，组成关键点描述子常用来形成原始数据的表示，而且不失代表性和描述性，从而加快了后续的识别，追踪等
阅读全文
摘要：在计算机视觉领域广泛的使用各种不同的采样一致性参数估计算法用于排除错误的样本，样本不同对应的应用不同，例如剔除错误的配准点对，分割出处在模型上的点集，PCL中以随机采样一致性算法（RANSAC）为核心，同时实现了五种类似与随机采样一致形算法的随机参数估计算法，例如随机采样一致性算法（RANSAC）最
阅读全文
摘要：(1)从一个点云中提取索引 如何使用一个，基于某一分割算法提取点云中的一个子集。 代码解析 结果： 显示出来： 图1 原始点云图像 图2 下采样后点云数据 图3 分割得到的其一平面模型 图4 分割得到的其二平面模型 （2）使用ConditionalRemoval 或RadiusOutlinerRem
阅读全文
摘要：（1）使用statisticalOutlierRemoval滤波器移除离群点 使用统计分析技术，从一个点云数据中集中移除测量噪声点（也就是离群点）比如：激光扫描通常会产生密度不均匀的点云数据集，另外测量中的误差也会产生稀疏的离群点，使效果不好，估计局部点云特征（例如采样点处法向量或曲率变化率）的运算
阅读全文
摘要：在获取点云数据时 ，由于设备精度，操作者经验环境因素带来的影响，以及电磁波的衍射特性，被测物体表面性质变化和数据拼接配准操作过程的影响，点云数据中讲不可避免的出现一些噪声。在点云处理流程中滤波处理作为预处理的第一步，对后续的影响比较大，只有在滤波预处理中将噪声点 ，离群点，孔洞，数据压缩等按照后续处
阅读全文
摘要：在3D视窗中以点云形式进行可视化（深度图像来自于点云），另一种是将深度值映射为颜色，从而以彩色图像方式可视化深度图像， 新建工程ch4_2，新建文件range_image_visualization.cpp，填充内容如下 编译结束运行可执行文件的结果为： 运行 ./range_image_visua
阅读全文
摘要：PCLVisualizer可视化类是PCL中功能最全的可视化类，与CloudViewer可视化类相比，PCLVisualizer使用起来更为复杂，但该类具有更全面的功能，如显示法线、绘制多种形状和多个视口。本小节将通过示例代码演示PCLVisualizer可视化类的功能，从显示单个点云开始。大多数示
阅读全文
摘要：可视化（visualization）是利用计算机图形学和图像处理技术，将数据转换图像在屏幕上显示出来，并进行交互处理的的理论，方法和技术， pcl_visualization库建立了能够快速建立原型的目的和可视化算法对三维点云数据操作的结果。类似于opencv的highgui例程显示二维图像，在屏幕
阅读全文
摘要：(1) octree是一种用于管理稀疏3D数据的树形数据结构，每个内部节点都正好有八个子节点，介绍如何用octree在点云数据中进行空间划分及近邻搜索，实现“体素内近邻搜索（Neighbors within VOxel Search）”,"K近邻搜索（K Nearest Neighbor Searc
阅读全文
摘要：建立空间索引在点云数据处理中有着广泛的应用，常见的空间索引一般 是自顶而下逐级划分空间的各种空间索引结构，比较有代表性的包括BSP树，KD树，KDB树，R树，四叉树，八叉树等索引结构，而这些结构中，KD树和八叉树使用比较广泛 八叉树（Octree）是一种用于描述三维空间的树状数据结构。八叉树的每个节
阅读全文
摘要：(小技巧记录：博客园编辑的网页界面变小了使用Ctrl ++来变大网页字体) 通过雷达，激光扫描，立体摄像机等三维测量设备获取的点云数据，具有数据量大，分布不均匀等特点，作为三维领域中一个重要的数据来源，点云主要是表征目标表面的海量点的集合，并不具备传统网格数据的几何拓扑信息，所以点云数据处理中最为核
阅读全文
摘要：（1）学习如何连接两个不同点云为一个点云，进行操作前要确保两个数据集中字段的类型相同和维度相等，同时了解如何连接两个不同点云的字段（例如颜色 法线）这种操作的强制约束条件是两个数据集中点的数目必须一样，例如：点云A是N个点XYZ点，点云B是N个点的RGB点，则连接两个字段形成点云C是N个点xyzrg
阅读全文