flash网站 seo,怎么样创建微信公众号,帮公司做网站怎么找,网站报价收费单PCL-计算点云AABB包围盒 一、概述二、实验代码三、效果展示四、总结 一、概述
点云包围盒也叫外接最小矩形,是一种求解离散点集最优包围空间的算法#xff0c;基本思想是用体积稍大且特性简单的几何体#xff08;称为包围盒#xff09;来近似地代替复杂的几何对象。常见的包… PCL-计算点云AABB包围盒 一、概述二、实验代码三、效果展示四、总结 一、概述
点云包围盒也叫外接最小矩形,是一种求解离散点集最优包围空间的算法基本思想是用体积稍大且特性简单的几何体称为包围盒来近似地代替复杂的几何对象。常见的包围盒算法有AABB包围盒、包围球、方向包围盒OBB以及固定方向凸包FDH。 最小包围盒的计算过程大致如下: 1.利用PCA主元分析法获得点云的三个主方向获取质心计算协方差获得协方差矩阵求取协方差矩阵的特征值和特长向量特征向量即为主方向。 2.利用1中获得的主方向和质心将输入点云转换至原点且主方向与坐标系方向重回建立变换到原点的点云的包围盒。 3.给输入点云设置主方向和包围盒通过输入点云到原点点云变换的逆变换实现。
AABBAxis-Aligned Bounding Box轴对齐包围盒是一种简单的包围体积用于快速地包含和近似复杂形状或点云。AABB的特点是它的所有边都与坐标轴平行这使得它易于计算、存储和相交测试 对于点云数据AABB可以通过找到点云在所有三个维度X、Y、Z上的最小和最大坐标值来构建。这些最小和最大坐标值定义了AABB的八个顶点尽管实际上只需要六个参数来完全描述一个AABB三个最小值和三个最大值。
OBB相关
构建AABB的步骤 1.初始化最小和最大坐标值为X、Y、Z轴设置非常大的初始最大值和非常小的初始最小值。 2.遍历点云对于点云中的每个点更新X、Y、Z轴上的最小和最大坐标值。 如果点的X坐标小于当前最小X值则更新最小X值。 如果点的X坐标大于当前最大X值则更新最大X值。 3.对Y和Z坐标重复上述步骤。 计算AABB的中心点和尺寸 中心点坐标是各轴最小和最大坐标值的平均值。 尺寸是各轴上最大和最小坐标值之差
二、实验代码
#include iostream
#include Eigen/Core
#include pcl/io/pcd_io.h
#include pcl/point_cloud.h
#include pcl/common/common.h
#include pcl/common/transforms.h
#include pcl/visualization/pcl_visualizer.h
#include boost/thread/thread.hppusing namespace std;
typedef pcl::PointXYZ PointType;int main(int argc, char** argv)
{pcl::PointCloudPointType::Ptr cloud(new pcl::PointCloudPointType());pcl::io::loadPCDFile(E:\\******.pcd, *cloud);// 计算点云质心和协方差矩阵Eigen::Vector4f pcaCentroid;pcl::compute3DCentroid(*cloud, pcaCentroid);Eigen::Matrix3f covariance;pcl::computeCovarianceMatrixNormalized(*cloud, pcaCentroid, covariance);// 协方差矩阵分解求特征值特征向量Eigen::SelfAdjointEigenSolverEigen::Matrix3f eigen_solver(covariance, Eigen::ComputeEigenvectors);Eigen::Matrix3f eigenVectorsPCA eigen_solver.eigenvectors();Eigen::Vector3f eigenValuesPCA eigen_solver.eigenvalues();// 校正主方向间垂直eigenVectorsPCA.col(2) eigenVectorsPCA.col(0).cross(eigenVectorsPCA.col(1));eigenVectorsPCA.col(0) eigenVectorsPCA.col(1).cross(eigenVectorsPCA.col(2));eigenVectorsPCA.col(1) eigenVectorsPCA.col(2).cross(eigenVectorsPCA.col(0));cout 特征值va(3x1):\n eigenValuesPCA endl; // Eigen计算出来的特征值默认是从小到大排列cout 特征向量ve(3x3):\n eigenVectorsPCA endl;cout 质心点(4x1):\n pcaCentroid endl;// 将输入点云转换至原点Eigen::Matrix4f tm Eigen::Matrix4f::Identity(); // 定义变换矩阵 Eigen::Matrix4f tm_inv Eigen::Matrix4f::Identity(); // 定义变换矩阵的逆tm.block3, 3(0, 0) eigenVectorsPCA.transpose(); // 旋转矩阵R.tm.block3, 1(0, 3) -1.0f * (eigenVectorsPCA.transpose()) * (pcaCentroid.head3());// 平移向量 -R*ttm_inv tm.inverse();std::cout 变换矩阵tm(4x4):\n tm std::endl;std::cout 逆变矩阵tm(4x4):\n tm_inv std::endl;pcl::PointCloudPointType::Ptr transformedCloud(new pcl::PointCloudPointType);pcl::transformPointCloud(*cloud, *transformedCloud, tm);PointType min_p1, max_p1;Eigen::Vector3f c1, c;pcl::getMinMax3D(*transformedCloud, min_p1, max_p1);c1 0.5f * (min_p1.getVector3fMap() max_p1.getVector3fMap());cout 型心c1(3x1):\n c1 endl;Eigen::Affine3f tm_inv_aff(tm_inv);pcl::transformPoint(c1, c, tm_inv_aff);Eigen::Vector3f whd, whd1;whd1 max_p1.getVector3fMap() - min_p1.getVector3fMap();whd whd1;float sc1 (whd1(0) whd1(1) whd1(2)) / 3; //点云平均尺度用于设置主方向箭头大小cout width1 whd1(0) endl;cout heght1 whd1(1) endl;cout depth1 whd1(2) endl;cout scale1 sc1 endl;const Eigen::Quaternionf bboxQ1(Eigen::Quaternionf::Identity());const Eigen::Vector3f bboxT1(c1);const Eigen::Quaternionf bboxQ(tm_inv.block3, 3(0, 0));const Eigen::Vector3f bboxT(c);// 变换到原点的点云主方向PointType op;op.x 0.0;op.y 0.0;op.z 0.0;Eigen::Vector3f px, py, pz;Eigen::Affine3f tm_aff(tm);pcl::transformVector(eigenVectorsPCA.col(0), px, tm_aff);pcl::transformVector(eigenVectorsPCA.col(1), py, tm_aff);pcl::transformVector(eigenVectorsPCA.col(2), pz, tm_aff);PointType pcaX;pcaX.x sc1 * px(0);pcaX.y sc1 * px(1);pcaX.z sc1 * px(2);PointType pcaY;pcaY.x sc1 * py(0);pcaY.y sc1 * py(1);pcaY.z sc1 * py(2);PointType pcaZ;pcaZ.x sc1 * pz(0);pcaZ.y sc1 * pz(1);pcaZ.z sc1 * pz(2);// 初始点云的主方向PointType cp;cp.x pcaCentroid(0);cp.y pcaCentroid(1);cp.z pcaCentroid(2);PointType pcX;pcX.x sc1 * eigenVectorsPCA(0, 0) cp.x;pcX.y sc1 * eigenVectorsPCA(1, 0) cp.y;pcX.z sc1 * eigenVectorsPCA(2, 0) cp.z;PointType pcY;pcY.x sc1 * eigenVectorsPCA(0, 1) cp.x;pcY.y sc1 * eigenVectorsPCA(1, 1) cp.y;pcY.z sc1 * eigenVectorsPCA(2, 1) cp.z;PointType pcZ;pcZ.x sc1 * eigenVectorsPCA(0, 2) cp.x;pcZ.y sc1 * eigenVectorsPCA(1, 2) cp.y;pcZ.z sc1 * eigenVectorsPCA(2, 2) cp.z;// 可视化pcl::visualization::PCLVisualizer viewer;viewer.setBackgroundColor(1.0, 1.0, 1.0);viewer.setWindowName(PCA获取点云包围盒);//输入的初始点云pcl::visualization::PointCloudColorHandlerCustomPointType color_handler(cloud, 255, 0, 0);viewer.addPointCloud(cloud, color_handler, cloud);viewer.addCube(bboxT, bboxQ, whd(0), whd(1), whd(2), bbox);viewer.setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_REPRESENTATION, pcl::visualization::PCL_VISUALIZER_REPRESENTATION_WIREFRAME, bbox);viewer.setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1.0, 0.0, 0.0, bbox);viewer.addArrow(pcX, cp, 1.0, 0.0, 0.0, false, arrow_x);viewer.addArrow(pcY, cp, 0.0, 1.0, 0.0, false, arrow_y);viewer.addArrow(pcZ, cp, 0.0, 0.0, 1.0, false, arrow_z);//转换到原点的点云pcl::visualization::PointCloudColorHandlerCustomPointType tc_handler(transformedCloud, 0, 255, 0);viewer.addPointCloud(transformedCloud, tc_handler, transformCloud);viewer.addCube(bboxT1, bboxQ1, whd1(0), whd1(1), whd1(2), bbox1);viewer.setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_REPRESENTATION, pcl::visualization::PCL_VISUALIZER_REPRESENTATION_WIREFRAME, bbox1);viewer.setShapeRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0.0, 1.0, 0.0, bbox1);viewer.addArrow(pcaX, op, 1.0, 0.0, 0.0, false, arrow_X);viewer.addArrow(pcaY, op, 0.0, 1.0, 0.0, false, arrow_Y);viewer.addArrow(pcaZ, op, 0.0, 0.0, 1.0, false, arrow_Z);viewer.addCoordinateSystem(0.5f * sc1);while (!viewer.wasStopped()){viewer.spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(10000));}return 0;
}
三、效果展示
图1 为本实验代码效果图 图2 为在包围盒基础上计算并显示该物体方向、序号及点云质心
四、总结
PCL 获取点云AABB包围盒OBB包围盒特征值特征向量等
PCL 计算点云包围盒 问题在计算包围盒中经常遇到一个问题即计算出的包围盒在可视化时不能显示在输入点云上而是在空间中的宁一个区域看起来就像这个计算出的矩形包围盒被旋转过。
