保存点云数据_3D点云配准(二多幅点云配准)

f6956d94143e538ce12edd33d3d80b81.png

本文首发于微信公众号「3D视觉工坊」:3D点云配准(二多幅点云配准)

在上一篇文章 点云配准(一 两两配准)中我们介绍了两两点云之间的配准原理。本篇文章,我们主要介绍一下PCL中对于多幅点云连续配准的实现过程,重点请关注代码行的注释。

对于多幅点云的配准,它的主要思想是对所有点云进行变换,使得都与第一个点云在统一坐标系中。在每个连贯的、有重叠的点云之间找到最佳的变换,并累积这些变换到全部的点云。能够进行ICP算法的点云需要进行粗略的预匹配,并且一个点云与另一个点云需要有重叠部分

bc91e5bd153a1004a417cd5bb849a65c.png

此处我们以郭浩主编的《点云库PCL从入门到精通》提供的示例demo来介绍一下多幅点云进行配准的过程。

/* ---[ */
int main (int argc, char** argv)
{// 加载数据
std::vector<PCD, Eigen::aligned_allocator<PCD> > data; //存储管理所有打开的点云
loadData (argc, argv, data); //加载所有点云文件到data//检查用户输入
if (data.empty ()){PCL_ERROR ("Syntax is: %s <source.pcd> <target.pcd> [*]", argv[0]);PCL_ERROR ("[*] - multiple files can be added. The registration results of (i, i+1) will be registered against (i+2), etc");PCL_INFO ("Example: %s `rospack find pcl`/test/bun0.pcd `rospack find pcl`/test/bun4.pcd", argv[0]);return (-1);}PCL_INFO ("Loaded %d datasets.", (int)data.size ());//创建一个PCL可视化对象
p = new pcl::visualization::PCLVisualizer (argc, argv, "Pairwise Incremental Registration example"); //创建一个PCL可视化对象
p->createViewPort (0.0, 0, 0.5, 1.0, vp_1); //用左半窗口创建视口vp_1
p->createViewPort (0.5, 0, 1.0, 1.0, vp_2); //用右半窗口创建视口vp_2
PointCloud::Ptr result (new PointCloud), source, target;Eigen::Matrix4f GlobalTransform = Eigen::Matrix4f::Identity (), pairTransform;for (size_t i = 1; i < data.size (); ++i)  //循环处理所有点云
{source = data[i-1].cloud; //连续配准
target = data[i].cloud;   //相邻两组点云//添加可视化数据
showCloudsLeft(source, target); //可视化为配准的源和目标点云
PointCloud::Ptr temp (new PointCloud);PCL_INFO ("Aligning %s (%d) with %s (%d).n", data[i-1].f_name.c_str (), source->points.size (), data[i].f_name.c_str (), target->points.size ());//调用子函数完成一组点云的配准,temp返回配准后两组点云在第一组点云坐标下的点云,pairTransform返回从目标点云target到源点云source的变换矩阵。//现在我们开始进行实际的匹配,由子函数pairAlign具体实现,//其中参数有输入一组需要配准的点云,以及是否进行下采样的设置项,其他参数输出配准后的点云及变换矩阵。
pairAlign (source, target, temp, pairTransform, true);//把当前的两两配对转换到全局变换//把当前的两两配对后的点云temp转换到全局坐标系下(第一个输入点云的坐标系)返回result
pcl::transformPointCloud (*temp, *result, GlobalTransform);//update the global transform更新全局变换//用当前的两组点云之间的变换更新全局变换
GlobalTransform = pairTransform * GlobalTransform;//保存转换到第一个点云坐标下的当前配准后的两组点云result到文件i.pcd
std::stringstream ss;ss << i << ".pcd";pcl::io::savePCDFile (ss.str (), *result, true);}
}

对于上述过程中的核心函数pairAlign(),我们重点介绍如下:

/**匹配一对点云数据集并且返还结果*参数 cloud_src 是源点云*参数 cloud_src 是目标点云*参数output输出的配准结果的源点云*参数final_transform是在来源和目标之间的转换*/
void pairAlign (const PointCloud::Ptr cloud_src, const PointCloud::Ptr cloud_tgt, PointCloud::Ptr output, Eigen::Matrix4f &final_transform, bool downsample = false)
{//下采样//为了一致性和高速的下采样//注意:为了大数据集需要允许这项
PointCloud::Ptr src (new PointCloud); //存储滤波后的源点云
PointCloud::Ptr tgt (new PointCloud); //存储滤波后的目标点云
pcl::VoxelGrid<PointT> grid; //滤波处理对象
if (downsample){grid.setLeafSize (0.05, 0.05, 0.05); //设置滤波处理时采用的体素大小
grid.setInputCloud (cloud_src);grid.filter (*src);grid.setInputCloud (cloud_tgt);grid.filter (*tgt);}else
{src = cloud_src;tgt = cloud_tgt;}//计算曲面法线和曲率
PointCloudWithNormals::Ptr points_with_normals_src (new PointCloudWithNormals);PointCloudWithNormals::Ptr points_with_normals_tgt (new PointCloudWithNormals);pcl::NormalEstimation<PointT, PointNormalT> norm_est; //点云法线估计对象
pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ> ());norm_est.setSearchMethod (tree); //设置估计对象采用的搜索对象
norm_est.setKSearch (30); //设置估计时进行搜索用的k数
norm_est.setInputCloud (src);norm_est.compute (*points_with_normals_src); //下面分别估计源和目标点云法线
pcl::copyPointCloud (*src, *points_with_normals_src);norm_est.setInputCloud (tgt);norm_est.compute (*points_with_normals_tgt);pcl::copyPointCloud (*tgt, *points_with_normals_tgt);//一切准备好之后,可以开始配准了,创建ICP对象,设置它的参数//以需要匹配的两个点云作为输入,使用时,参数的设置需要根据自己的数据集进行调整。////举例说明我们自定义点的表示(以上定义)
MyPointRepresentation point_representation;//调整'curvature'尺寸权重以便使它和x, y, z平衡
float alpha[4] = {1.0, 1.0, 1.0, 1.0};point_representation.setRescaleValues (alpha);//// 配准
pcl::IterativeClosestPointNonLinear<PointNormalT, PointNormalT> reg;  //配准对象
reg.setTransformationEpsilon (1e-6); //设置收敛判断条件,越小精度越大,收敛也越慢//将两个对应关系之间的(src<->tgt)最大距离设置为10厘米//注意:根据你的数据集大小来调整
reg.setMaxCorrespondenceDistance (0.1);//设置点表示
reg.setPointRepresentation (boost::make_shared<const MyPointRepresentation> (point_representation));reg.setInputCloud (points_with_normals_src); //设置源点云
reg.setInputTarget (points_with_normals_tgt); //设置目标点云////在一个循环中运行相同的最优化并且使结果可视化
Eigen::Matrix4f Ti = Eigen::Matrix4f::Identity (), prev, targetToSource;PointCloudWithNormals::Ptr reg_result = points_with_normals_src;//由于这是一个demo,因而希望显示匹配过程的迭代过程,为达到该目的,ICP在内部进行计算时,限制其最大的迭代次数为2,即每迭代两次就认为收敛,停止内部迭代
reg.setMaximumIterations (2); //设置最大迭代次数//手动迭代,此处设置为30次,每手动迭代一次,在配准结果视口对迭代的最新的结果进行刷新显示
for (int i = 0; i < 30; ++i){PCL_INFO ("Iteration Nr. %d.n", i);//为了可视化的目的保存点云
points_with_normals_src = reg_result;reg.setInputCloud (points_with_normals_src);reg.align (*reg_result);//在每一个迭代之间累积转换
Ti = reg.getFinalTransformation () * Ti;//如果这次转换和之前转换之间的差异小于阈值//则通过减小最大对应距离来改善程序//也就是说,如果迭代N次找到的变换和迭代N-1次中找到的变换之间的差异小于传给ICP的变换收敛阈值,我们选择源和目标之间更靠近的对应点距离阈值来改善配准过程if (fabs ((reg.getLastIncrementalTransformation () - prev).sum ()) < reg.getTransformationEpsilon ())reg.setMaxCorrespondenceDistance (reg.getMaxCorrespondenceDistance () - 0.001);prev = reg.getLastIncrementalTransformation ();//可视化当前状态
showCloudsRight(points_with_normals_tgt, points_with_normals_src);}////一旦找到最优的变换,ICP返回的变换是从源点云到目标点云的变换矩阵,我们求逆变换得到从目标点云到源点云的变换矩阵,并应用到目标点云,变换后的目标点云然后添加到源点云中。// 得到目标点云到源点云的变换
targetToSource = Ti.inverse();////把目标点云转换回源框架
pcl::transformPointCloud (*cloud_tgt, *output, targetToSource);p->removePointCloud ("source");p->removePointCloud ("target");PointCloudColorHandlerCustom<PointT> cloud_tgt_h (output, 0, 255, 0);PointCloudColorHandlerCustom<PointT> cloud_src_h (cloud_src, 255, 0, 0);p->addPointCloud (output, cloud_tgt_h, "target", vp_2);p->addPointCloud (cloud_src, cloud_src_h, "source", vp_2);PCL_INFO ("Press q to continue the registration.n");p->spin ();p->removePointCloud ("source");p->removePointCloud ("target");//添加源点云到转换目标
*output += *cloud_src;final_transform = targetToSource;}
效果图如下,此为动态图,请耐心等待几秒钟,注意迭代过程。

7c0e322d94b9bf64f2515b9ef464eb89.gif

思考:

对于小型或者中型数量的点云数据(点个数<100,000),我们选择ICP来进行迭代配准,可是利用对应点的特征计算和匹配较为耗时,如果对于两个大型点云(都超过100000)之间的刚体变换的确定,有什么好办法可以解决呢?

主要参考:郭浩主编的<点云库PCL从入门到精通>

上述内容,如有侵犯版权,请联系作者,会自行删文。

星球成员,可免费提问,并邀进讨论群

d13e7d57a127704af263cd389d11f704.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/504928.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

python 数字类型和字符串类型的相互转换_python 数字类型和字符串类型的相互转换...

{"moduleinfo":{"card_count":[{"count_phone":1,"count":1}],"search_count":[{"count_phone":4,"count":4}]},"card":[{"des":"阿里技术人对外发布原创技术内容的最大平台&…

url存在宽字节跨站漏洞_5分钟速览丨常见的Web安全漏洞及测试方法

中秋小长假“余额”就剩半天了尽管心里有太多不舍也要调整自己毕竟假期都是短暂的工作才是职场人生的常态为了尽快消除“假日综合症”e小安贴心送上小文一篇小伙伴们赶紧“脉动”回来吧各类web应用充斥在我们的网络生活中&#xff0c;但是因为开发者安全意识不强而导致的安全问…

9切换中文mac_超详细的Mac重装系统教程!让重装系统变得简单起来!

mac电脑该怎么重装系统&#xff1f;苹果电脑在长时间使用后&#xff0c;系统可能会变得比较慢&#xff0c;另外各种缓存垃圾也会越堆越多&#xff0c;影响电脑的反应速度。mac OS系统是苹果电脑独有的操作系统,重装mac系统过程和Win系统完全不同,所以第一次使用苹果电脑的用户都…

python允许无止境的循环_ParisGabriel:Python无止境 day03

print(“hello world”)变量 &#xff1a; 存储信息的&#xff0c;日后被调用、修改操作常量&#xff1a; 固定不变的量&#xff0c;字母大写命名规则&#xff1a;1. 字母数字下划线组成2. 不能以数字开头&#xff0c;不能含有特殊字符和空格3. 不能以保留字命名4. 不能以中文命…

delphi datasnap断线后再次连接_电脑连接WiFi后经常出现断线断开连接问题的解决方法...

电脑连接WiFi总是断线怎么办&#xff1f;有用户的笔记本在连接无线网络后&#xff0c;一直出现断线问题&#xff0c;并且网速也很慢&#xff0c;这是怎么回事&#xff1f;电脑连接WiFi后经常断开连接该如何解决&#xff1f;下面给大家分享具体操作步骤。操作步骤&#xff1a;1、…

linux系统安装python包_Linux系统安装Python

Linux系统处带的是Python2&#xff0c;一直用Python3.6Django2进行开发&#xff0c;于是在Linux上安装Python3,安装过程如下&#xff1a;(1)、在官网下载“Gzipped source tarball”版本&#xff0c;上传到&#xff1a;/usr/local/&#xff0c;然后解压tar包&#xff1a;tar -x…

python程序发布 ubuntu_在ubuntu16.04的虚拟环境中运行Python程序作为服务

我正在尝试让一个FlaskSocketIO应用程序作为一个服务在ubuntu16.04上运行&#xff0c;在一个虚拟环境中。我的服务器每天凌晨3点重新启动(超出我的控制范围)&#xff0c;所以我需要它在启动时自动启动。在运行脚本本身可以正常工作&#xff1a;$ python main.py(29539) wsgi st…

添加javascript代码:_JavaScript(1)

一、JavaScript组成1.ECMAScript&#xff1a;是ECMA制定的脚本语言的语法标准&#xff0c;基础语法的规范&#xff0c;为了让不同的浏览器都可以运行通过标准运行出来的代码。2.文档对象模型(DOM)&#xff1a;JavaScript操作网页上的元素(标签)的API。3.浏览器对象模型(BOM)&am…

win 8 共享连接数是多少_局域网IP限速怎么配置,限速多少比较合适

由于视频和下载可以轻易的占用大量带宽&#xff0c;为了网络的稳定运行&#xff0c;大部分局域网都会对客户端进行一定的限速。本文中&#xff0c;我将介绍如何根据带宽来做限速&#xff0c;限速设置多少比较合理&#xff1f;1. 限速多少比较合理&#xff1f;正常的办公上网&am…

华农软件工程实验报告_华南农业大学的软件工程怎么样?

2019.07.08 更新 就是从2016年开始&#xff0c;废除数学与信息学院的软件工程。取而代之的是&#xff0c;在软件学院开通一个新专业——软件工程(温氏阿里创新班)&#xff0c;所以现在软件学院就有两个专业了(软件工程、软件工程(温氏阿里创新班))。另外一个就是软件学院的实习…

xp 4g内存补丁_32位操作系统导致电脑可用内存不足4G

现象描述今天给大家分享一个关于电脑使用的小知识&#xff1a;电脑安装32位操作系统&#xff0c;导致电脑可用内存低于4G。详细解释一下&#xff1a;如果你的电脑安装的操作系统是32位操作系统&#xff0c;无论你电脑安装了多大的内存&#xff0c;可用内存都不会超过4G&#xf…

statuml怎么添加用户_UML课后习题答案

第1章UML概述1. 请指出UML的三个主要的特性。1)UML是一种语言2)UML是用来建模的3)UML是统一的标准2. 请指出三种以上现实生活中的常用模型&#xff0c;并说明它们分别在各自的领域中发挥了什么样的作用。1)电路图&#xff1a;电子产品设计、生产、维修2)园区沙盘&#xff1a;直…

maven 镜像_Maven(一)

1. 掌握M2Elipse插件安装及Maven仓库的配置2. 掌握Maven工程目录结构和创建工程3. 掌握Maven工程的关系4. 掌握Maven常见的插件5. 掌握Maven命令壹、什么是 Maven在Maven中&#xff0c;可以理解为所有的项目都是一个个的对象。贰、Maven 和 ANT 的区别叁、 Maven 的下载与 IDE …

机器人被抢走ntr_(科普)当被NTR剧情虐到的时候怎么办

该楼层疑似违规已被系统折叠 隐藏此楼查看此楼因为最近NTR剧情略多.很多人被虐的睡不着觉..所以直插主题1.心理强大的人只需看看 萌漫 治愈(后宫)番 萌拔 逆角色ntr gal.就可以了..萌漫推荐 小埋..很短很温馨....(我的心灵很弱小所以看完之后又会想起被虐的场景..跪)2.(此方法涉…

文本编辑器查看 cprintf颜色_实战PyQt5: 028-纯文本编辑控件QPlainTextEdit

QPlainTextEdit简介QPlainTextEdit小部件是一个用于编辑和显示纯文本控件&#xff0c;QPlainTextEdit控件与QTextEdit控件使用了相同的技术和概念&#xff0c;但是它为纯文本处理提供了优化。QPlainTextEdit是一个支持纯文本的高级查看器/编辑器&#xff0c;可以处理大型文档并…

朗读评价语言集锦_评语大全之朗诵评语艺术表现力

朗诵评语艺术表现力【篇一&#xff1a;古诗词诵读比赛评价表】诗歌朗诵比赛评分表评分细则总分100分1.普通话25分吐字清晰&#xff0c;普通话标准2&#xff0e;流利程度20分。朗诵熟练&#xff0c;声音洪亮&#xff0c;正确把握诗歌节奏&#xff0c;韵律明显。若能够脱稿&#…

python logging使用_Python实战之logging模块使用详解

用Python写代码的时候&#xff0c;在想看的地方写个print xx 就能在控制台上显示打印信息&#xff0c;这样子就能知道它是什么了&#xff0c;但是当我需要看大量的地方或者在一个文件中查看的时候&#xff0c;这时候print就不大方便了&#xff0c;所以Python引入了logging模块来…

boat启动器 minecraft_minecraft boat

minecraft boat启动器是一款针对我的世界游戏的启动工具&#xff0c;有了minecraft boat启动器我们就可以在手机上畅玩电脑中的游戏&#xff0c;支持中文&#xff0c;操作起来很方便。让玩家可以尽情地在这个开放世界中冒险和创作&#xff0c;这里为大家展现了一个非常开放的世…

python 数据库接口_Python3笔记050 - 11.1 数据库接口

第11章 使用python操作数据库11.1 数据库接口python3连接mysql需要安装pymysql模块&#xff1b;1、本地安装&#xff1a;pycharm版本是2019.3&#xff1b;python版本是3.7.3&#xff1b;pymysql版本是0.10.0&#xff1b;2、远程安装&#xff1a;虚拟机内安装centos7系统&#x…

使用通用mapper实现条件查询_【微服务】152:Stream流和通用mapper批量查询的使用...

今天是刘小爱自学Java的第152天。感谢你的观看&#xff0c;谢谢你。学习计划安排如下&#xff1a;补充完昨天商品查询中关于分类和品牌的部分&#xff0c;其中牵扯到了两个非常重要的知识点&#xff1a;Stream流的使用&#xff0c;这个学过后基本就没怎么使用过&#xff0c;这次…