PCL 计算FPFH并可视化


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

在这里插入图片描述

更多可视化

请参考《点云库PCL从入门到精通》P129 PCLPlotter