算法原理
参考链接
PCL 点云特征描述与提取
代码实现
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 | #include<iostream> #include<vector> #include <pcl/point_types.h> #include <pcl/features/fpfh.h> #include <pcl/io/pcd_io.h>//点云文件pcd 读写 #include <pcl/features/normal_3d.h>//法线特征 #include <pcl/visualization/histogram_visualizer.h> //直方图的可视化 #include <pcl/visualization/pcl_plotter.h>// 直方图的可视化 方法2 using namespace std; int main(int argc, char** argv) { pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_ptr(new pcl::PointCloud<pcl::PointXYZ>); //======【1】 读取点云文件 填充点云对象====== pcl::PCDReader reader; reader.read("mesh.pcd", *cloud_ptr); // =====【2】计算法线========创建法线估计类==================================== pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne; ne.setInputCloud(cloud_ptr); pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>()); ne.setSearchMethod(tree);//设置近邻搜索算法 // 输出点云 带有法线描述 pcl::PointCloud<pcl::Normal>::Ptr cloud_normals_ptr(new pcl::PointCloud<pcl::Normal>); pcl::PointCloud<pcl::Normal>& cloud_normals = *cloud_normals_ptr; // Use all neighbors in a sphere of radius 3cm ne.setRadiusSearch(0.03);//半价内搜索临近点 3cm // 计算表面法线特征 ne.compute(cloud_normals); //=======【3】创建FPFH估计对象fpfh, 并将输入点云数据集cloud和法线normals传递给它================= pcl::FPFHEstimation<pcl::PointXYZ, pcl::Normal, pcl::FPFHSignature33> fpfh; //pcl::FPFHEstimationOMP<pcl::PointXYZ,pcl::Normal,pcl::FPFHSignature33> fpfh;//多核加速 fpfh.setInputCloud(cloud_ptr); fpfh.setInputNormals(cloud_normals_ptr); pcl::search::KdTree<pcl::PointXYZ>::Ptr tree2(new pcl::search::KdTree<pcl::PointXYZ>()); fpfh.setSearchMethod(tree2);//设置近邻搜索算法 //输出数据集 pcl::PointCloud<pcl::FPFHSignature33>::Ptr fpfh_fe_ptr(new pcl::PointCloud<pcl::FPFHSignature33>());//fphf特征 //使用半径在5厘米范围内的所有邻元素。 //注意:此处使用的半径必须要大于估计表面法线时使用的半径!!! fpfh.setRadiusSearch(0.05); //计算pfh特征值 fpfh.compute(*fpfh_fe_ptr); cout << "phf feature size : " << fpfh_fe_ptr->points.size() << endl; // 应该与input cloud->points.size ()有相同的大小,即每个点都有一个pfh特征向量 // ========直方图可视化============================= //定义绘图器 pcl::visualization::PCLPlotter *plotter = new pcl::visualization::PCLPlotter("My Plotter"); //设置特性 plotter->setTitle("FPFH"); plotter->setShowLegend(true); cout << pcl::getFieldsList<pcl::FPFHSignature33>(*fpfh_fe_ptr); plotter->addFeatureHistogram<pcl::FPFHSignature33>(*fpfh_fe_ptr, "fpfh", 5, "one_fpfh");/*第2个参数为点云类型的field name 该参数可通过getFieldsList()返回,并且只限定于注册过的点云类型*/ plotter->setWindowSize(800, 600); plotter->spinOnce(30000000); plotter->clearPlots(); //方法2 // pcl::visualization::PCLPlotter plotter; //plotter.addFeatureHistogram(*fpfh_fe_ptr, 300); //设置的很坐标长度,该值越大,则显示的越细致 //plotter.plot(); return 0; } |
实验结果
更多可视化
请参考《点云库PCL从入门到精通》P129 PCLPlotter