PCL常用的点云操作

PCL常用的点云操作 1、PCL有序点云分析2、PCL绘制直线3、获取点云质心4、判断点云是否是非数5、移除无效点6、PCL计算两点之间的欧式距离

1、PCL有序点云分析

对于有序点云可以通过 at 的方式访问，但是，需要注意的是，正确的访问方式是 at(w, h)。

//读写 #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> typedef pcl::PointXYZ PointT; typedef pcl::PointCloud<PointT> PointCloudT; //读取点云示例 int main() { PointCloudT::Ptr mpCloudSource; mpCloudSource.reset(new(PointCloudT)); pcl::PCDReader reader; int sucess = reader.read(PointPath, *mpCloudSource); if (sucess == -1) { std::cout << "read point file failure!..." << std::endl; return -1; } //访问有序点云数据 for (int i = 0; i < mpCloudSource->width; i++) { for (int j = 0; j < mpCloudSource->height; j++) { pcl::PointXYZ pointcloud = mpCloudSource->at(width, height); } } } 2、PCL绘制直线

绘制直线(每条线段１个唯一的id符，不然的话只能画出一条线)：

//cloudOut->points.size():所有的直线点 for (int i = 0; i < cloudOut->points.size() - 1; i++) { std::string id = "line_" + std::to_string(i); viewer.addLine(cloudOut->points[i], cloudOut->points[i + 1], 0.0, 0.0, 1.0, id, v1); viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_LINE_WIDTH, 6, id); } viewer.addText("points trajectory line", 10, 920, 16, bckgr_gray_level, bckgr_gray_level, txt_gray_lvl, "line", v1); 3、获取点云质心

获取点云的质心有两种方式，一种是pcl自带的API：pcl::compute3DCentroid(*cloud, centroid);，另一种是用数学的方式求所有点坐标的平均值。下面的代码实现了这两种方式。

#include <iostream> #include <Eigen/Core> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/common/centroid.h> #include <pcl/common/transforms.h> using namespace std; typedef pcl::PointCloud<pcl::PointXYZ> Cloud; int main(int argc, char **argv) { // 生成一个正方形点云 Cloud::Ptr cloud(new Cloud); cloud->width = 10000; cloud->height = 1; cloud->is_dense = false; cloud->points.resize(cloud->width * cloud->height); for (int i = 0; i < cloud->points.size(); i++) { cloud->points[i].x=1000* (rand() / (RAND_MAX + 1.0f)); cloud->points[i].y=1000* (rand() / (RAND_MAX + 1.0f)); cloud->points[i].z=0; } // 方式1：利用PCL函数计算质心 Eigen::Vector4f centroid; // 质心 pcl::compute3DCentroid(*cloud, centroid); // 齐次坐标，（c0,c1,c2,1） // 方式2：利用公式计算质心 pcl::PointXYZ p_c; p_c.x = 0; p_c.y = 0; p_c.z = 0; for (auto p : cloud->points) { p_c.x += p.x; p_c.y += p.y; p_c.z += p.z; } p_c.x /= cloud->points.size(); p_c.y /= cloud->points.size(); p_c.z /= cloud->points.size(); // 结果对比 cout << "pcl 函数计算点云质心结果：(" << centroid(0)<<","<<centroid(1)<<","<<centroid(2)<<")" << endl; cout << "按照公式计算点云质心结果：" << p_c<< endl; return 0; } 4、判断点云是否是非数 pcl::PointXYZ pointcloud = cloudDownSampling->points[idx]; if (!isFinite(pointcloud)) //不是有效点 continue; 5、移除无效点 // Object for storing the point cloud. pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>); // Read a PCD file from disk. if (pcl::io::loadPCDFile<pcl::PointXYZRGB>(argv[1], *cloud) != 0) { return -1; } // The mapping tells you to what points of the old cloud the new ones correspond, // but we will not use it. std::vector<int> mapping; pcl::removeNaNFromPointCloud(*cloud, *cloud, mapping); 6、PCL计算两点之间的欧式距离 for(int i=0;i<cloud->points.size()-1;i++) { float dis=pcl::euclideanDistance(cloud->points[i],cloud->points[i+1]); }

###################################未完待续###################################