PCL系列——三維重構之移動立方體演算法

標籤：

PCL系列

• PCL系列——讀入PCD格式檔案操作
• PCL系列——將點雲資料寫入PCD格式檔案
• PCL系列——拼接兩個點雲
• PCL系列——從深度映像(RangeImage)中提取NARF關鍵點
• PCL系列——如何可視化深度映像
• PCL系列——如何使用迭代最近點法（ICP）配准
• PCL系列——如何逐漸地配准一對點雲
• PCL系列——三維重構之泊松重構
• PCL系列——三維重構之貪婪三角投影演算法
• PCL系列——三維重構之移動立方體演算法

說明

通過本教程，我們將會學會：

• 如果通過移動立方體演算法進行三維點雲重構。
• 程式支援兩種檔案格式：*.pcd和*.ply。
• 程式先讀取點雲檔案；然後計演算法向量，並將法向量和點雲座標放在一起；接著使用移動立方體演算法進行重構，最後顯示結果。

操作

• 在VS2010 中建立一個檔案 recon_marchingCubes.cpp，然後將下面的代碼複製到檔案中。
• 參照之前的文章，設定項目的屬性。設定包含目錄和庫目錄和附加依賴項。

#include <pcl/point_types.h>#include <pcl/io/pcd_io.h>#include <pcl/io/ply_io.h>#include <pcl/kdtree/kdtree_flann.h>#include <pcl/features/normal_3d.h>#include <pcl/surface/marching_cubes_hoppe.h>#include <pcl/surface/marching_cubes_rbf.h>#include <pcl/surface/gp3.h>#include <pcl/visualization/pcl_visualizer.h>#include <boost/thread/thread.hpp>#include <fstream>#include <iostream>#include <stdio.h>#include <string.h>#include <string>int main (int argc, char** argv){    // 確定檔案格式    char tmpStr[100];    strcpy(tmpStr,argv[1]);    char* pext = strrchr(tmpStr, ‘.‘);    std::string extply("ply");    std::string extpcd("pcd");    if(pext){        *pext=‘\0‘;        pext++;    }    std::string ext(pext);    //如果不支援檔案格式，退出程式    if (!((ext == extply)||(ext == extpcd))){        std::cout << "檔案格式不支援!" << std::endl;        std::cout << "支援檔案格式：*.pcd和*.ply！" << std::endl;        return(-1);    }    //根據檔案格式選擇輸入方式  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>) ; //建立點雲對象指標，用於儲存輸入    if (ext == extply){        if (pcl::io::loadPLYFile(argv[1] , *cloud) == -1){            PCL_ERROR("Could not read ply file!\n") ;            return -1;        }    }    else{        if (pcl::io::loadPCDFile(argv[1] , *cloud) == -1){            PCL_ERROR("Could not read pcd file!\n") ;            return -1;        }    }  // 估計法向量  pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> n;  pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>);  pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ>);  tree->setInputCloud(cloud);  n.setInputCloud(cloud);  n.setSearchMethod(tree);  n.setKSearch(20);  n.compute (*normals); //計演算法線，結果儲存在normals中  //* normals 不能同時包含點的法向量和表面的曲率  //將點雲和法線放到一起  pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals (new pcl::PointCloud<pcl::PointNormal>);  pcl::concatenateFields (*cloud, *normals, *cloud_with_normals);  //* cloud_with_normals = cloud + normals  //建立搜尋樹  pcl::search::KdTree<pcl::PointNormal>::Ptr tree2 (new pcl::search::KdTree<pcl::PointNormal>);  tree2->setInputCloud (cloud_with_normals);  //初始化MarchingCubes對象，並設定參數    pcl::MarchingCubes<pcl::PointNormal> *mc;    mc = new pcl::MarchingCubesHoppe<pcl::PointNormal> ();    /*  if (hoppe_or_rbf == 0)    mc = new pcl::MarchingCubesHoppe<pcl::PointNormal> ();  else  {    mc = new pcl::MarchingCubesRBF<pcl::PointNormal> ();    (reinterpret_cast<pcl::MarchingCubesRBF<pcl::PointNormal>*> (mc))->setOffSurfaceDisplacement (off_surface_displacement);  }    */    //建立多變形網格，用於儲存結果  pcl::PolygonMesh mesh;  //設定MarchingCubes對象的參數  mc->setIsoLevel (0.0f);  mc->setGridResolution (50, 50, 50);  mc->setPercentageExtendGrid (0.0f);  //設定搜尋方法  mc->setInputCloud (cloud_with_normals);    //執行重構，結果儲存在mesh中    mc->reconstruct (mesh);    //儲存網格圖    pcl::io::savePLYFile("result.ply", mesh);    // 顯示結果圖  boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer (new pcl::visualization::PCLVisualizer ("3D Viewer"));  viewer->setBackgroundColor (0, 0, 0); //設定背景  viewer->addPolygonMesh(mesh,"my"); //設定顯示的網格  viewer->addCoordinateSystem (1.0); //設定座標系  viewer->initCameraParameters ();  while (!viewer->wasStopped ()){    viewer->spinOnce (100);    boost::this_thread::sleep (boost::posix_time::microseconds (100000));  }  return (0);}

• 重建項目。
• 到改項目的Debug目錄下，按住Shift，同時點擊滑鼠右鍵，在當前視窗開啟CMD視窗。
• 在命令列中輸入recon_marchingCubes.exe bunny.points.ply，執行程式。得到如所示的結果。
  

PCL系列——三維重構之移動立方體演算法