点云旋转处理

实现代码为：

//以中心化点进行旋转double theta = atan(maindirection.a);//计算的是弧度单位for (int i = 0; i < origipts.size(); i++){pcl::PointXYZ tempone;tempone.x = aftercenerlizepts[i].x*cos(theta) + aftercenerlizepts[i].y*sin(theta) + center.x;tempone.y = aftercenerlizepts[i].y*cos(theta) - aftercenerlizepts[i].x*sin(theta) + center.y;transpts.push_back(tempone);}

3、测试结果

本程序是在PCL环境下运行，测试工程需要先配置好PCL环境，将点云旋转_test.cpp添加到源文件中即可运行。

3.1 轮廓点检测结果

轮廓点提取主函数如下：

//（1）测试边缘点提取结果
void main()
{char *filepath = "D:\\testdata\\points.xyz";char *savepath = "D:\\testdata\\points_boundpts.xyz";vector<pcl::PointXYZ> origipts = ReadPointXYZIntoVector(filepath);//假设其z坐标都为0，为平面坐标for (int i = 0; i < origipts.size(); i++){origipts[i].z = 0;}vector<pcl::PointXYZ> boundpts, nonbounpts;double r = 0.8;Bounpts(origipts, r, boundpts, nonbounpts);ofstream outfile(savepath, ios::out);for (int j = 0; j < boundpts.size(); j++){outfile << fixed << setprecision(3) << boundpts[j].x << " " << boundpts[j].y << " " << boundpts[j].z << " " << fixed << setprecision(0) << 255 << " " << 0 << " " << 0 << endl;}for (int j = 0; j < nonbounpts.size(); j++){outfile << fixed << setprecision(3) << nonbounpts[j].x << " " << nonbounpts[j].y << " " << nonbounpts[j].z << " " << fixed << setprecision(0) << 255 << " " << 255 << " " << 255 << endl;}outfile.close();cout << "结束" << endl;pcl::visualization::PCLVisualizer viewer("点云可视化");pcl::PointCloud<pcl::PointXYZRGB>::Ptr new_cloud(new pcl::PointCloud<pcl::PointXYZRGB>);new_cloud->width = origipts.size();new_cloud->height = 1;new_cloud->is_dense = false;new_cloud->points.resize(new_cloud->width*new_cloud->height);for (int i = 0; i < origipts.size(); i++){if (i < boundpts.size()){new_cloud->points[i].x = boundpts[i].x;new_cloud->points[i].y = boundpts[i].y;new_cloud->points[i].z = boundpts[i].z;new_cloud->points[i].r = 255;new_cloud->points[i].g = 0;new_cloud->points[i].b = 0;}else{new_cloud->points[i].x = nonbounpts[i - boundpts.size()].x;new_cloud->points[i].y = nonbounpts[i - boundpts.size()].y;new_cloud->points[i].z = nonbounpts[i - boundpts.size()].z;new_cloud->points[i].r = 255;new_cloud->points[i].g = 255;new_cloud->points[i].b = 255;}}pcl::visualization::PointCloudColorHandlerRGBField<pcl::PointXYZRGB>fildColor(new_cloud);viewer.setBackgroundColor(0, 0, 0);viewer.addPointCloud<pcl::PointXYZRGB>(new_cloud, fildColor, "inCloud");viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 5, "inCloud");while (!viewer.wasStopped()){viewer.spinOnce();}system("pause");}

红色点为边缘点，可以看到边缘提取效果比较理想。

3.2 轮廓点分组

轮廓点分组测试结果如下：

//（2）测试边缘点分组
void main()
{char *filepath = "D:\\testdata\\points.xyz";char *savepath = "D:\\testdata\\points_boundpts_group.xyz";vector<pcl::PointXYZ> origipts = ReadPointXYZIntoVector(filepath);//假设其z坐标都为0，为平面坐标for (int i = 0; i < origipts.size(); i++){origipts[i].z = 0;}vector<pcl::PointXYZ> boundpts, nonbounpts;double r = 0.8;Bounpts(origipts, r, boundpts, nonbounpts);vector<vector<pcl::PointXYZ>> multi_linepoints;double ds_thres = 0.35;double linefit_knn = 5;double growing_knn = 5;GroupPts(boundpts, ds_thres, linefit_knn, growing_knn, multi_linepoints);srand((int)time(0));ofstream outfile(savepath, ios::out);for (int i = 0; i < multi_linepoints.size(); i++){double R = rand() % 255;double G = rand() % 255;double B = rand() % 255;for (int j = 0; j < multi_linepoints[i].size(); j++){outfile << fixed << setprecision(3) << multi_linepoints[i][j].x << " " << multi_linepoints[i][j].y << " " << multi_linepoints[i][j].z << " " << fixed << setprecision(0) << R << " " << G << " " << B << endl;}}outfile.close();cout << "结束" << endl;pcl::visualization::PCLVisualizer viewer("点云可视化");pcl::PointCloud<pcl::PointXYZRGB>::Ptr new_cloud(new pcl::PointCloud<pcl::PointXYZRGB>);new_cloud->width = origipts.size();new_cloud->height = 1;new_cloud->is_dense = false;new_cloud->points.resize(new_cloud->width*new_cloud->height);int sumid = 0;for (int i = 0; i < multi_linepoints.size(); i++){double R = rand() % 255;double G = rand() % 255;double B = rand() % 255;for (int j = 0; j < multi_linepoints[i].size(); j++){new_cloud->points[sumid].x = multi_linepoints[i][j].x;new_cloud->points[sumid].y = multi_linepoints[i][j].y;new_cloud->points[sumid].z = multi_linepoints[i][j].z;new_cloud->points[sumid].r = R;new_cloud->points[sumid].g = G;new_cloud->points[sumid].b = B;sumid = sumid + 1;}}pcl::visualization::PointCloudColorHandlerRGBField<pcl::PointXYZRGB>fildColor(new_cloud);viewer.setBackgroundColor(0, 0, 0);viewer.addPointCloud<pcl::PointXYZRGB>(new_cloud, fildColor, "inCloud");viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 5, "inCloud");while (!viewer.wasStopped()){viewer.spinOnce();}system("pause");}

属于同一直线的轮廓点，分组结果如上，结果比较理想。

3.3 点云旋转

//（3）原始点云进行旋转
void main()
{char *filepath = "D:\\testdata\\points.xyz";char *savepath = "D:\\testdata\\points_boundpts_transformpt.xyz";vector<pcl::PointXYZ> origipts = ReadPointXYZIntoVector(filepath);//假设其z坐标都为0，为平面坐标for (int i = 0; i < origipts.size(); i++){origipts[i].z = 0;}vector<pcl::PointXYZ> boundpts, nonbounpts;double r = 0.8;Bounpts(origipts, r, boundpts, nonbounpts);pcl::PointXYZ center; vector<pcl::PointXYZ> transpts;double ds_thres = 0.35;double linefit_knn = 5;double growing_knn = 5;TransformPts(origipts, r, ds_thres, linefit_knn, growing_knn, center, transpts);srand((int)time(0));ofstream outfile(savepath, ios::out);for (int i = 0; i < transpts.size(); i++){		outfile << fixed << setprecision(3) << transpts[i].x << " " << transpts[i].y << " " << transpts[i].z << " " << endl;}outfile.close();cout << "结束" << endl;pcl::visualization::PCLVisualizer viewer("点云可视化");pcl::PointCloud<pcl::PointXYZRGB>::Ptr new_cloud(new pcl::PointCloud<pcl::PointXYZRGB>);new_cloud->width = origipts.size();new_cloud->height = 1;new_cloud->is_dense = false;new_cloud->points.resize(new_cloud->width*new_cloud->height);int sumid = 0;for (int i = 0; i < transpts.size(); i++){new_cloud->points[sumid].x = transpts[i].x;new_cloud->points[sumid].y = transpts[i].y;new_cloud->points[sumid].z = transpts[i].z;new_cloud->points[sumid].r = 255;new_cloud->points[sumid].g = 255;new_cloud->points[sumid].b = 255;}pcl::visualization::PointCloudColorHandlerRGBField<pcl::PointXYZRGB>fildColor(new_cloud);viewer.setBackgroundColor(0, 0, 0);viewer.addPointCloud<pcl::PointXYZRGB>(new_cloud, fildColor, "inCloud");viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 5, "inCloud");while (!viewer.wasStopped()){viewer.spinOnce();}system("pause");}

旋转前点云与水平方向存在一定旋转角，旋转后点云水平一致，旋转旋转成功。

代码与测试数据下载链接：https://mp.csdn.net/mp_download/manage/download/UpDetailed

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/683716.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

代码随想录二刷——二叉树day18

代码随想录二刷——二叉树day18

文章目录 前言二叉树知识点二叉树的存储方式 一、513. 找树左下角的值二、112. 路径总和三、106. 从中序与后序遍历序列构造二叉树总结 前言 一个本硕双非的小菜鸡&#xff0c;备战24年秋招&#xff0c;计划二刷完卡子哥的刷题计划&#xff0c;加油&#xff01; 二刷决定精刷了…
阅读更多...
专业140+总分420+东北大学841通信专业基础考研经验东大电子信息与通信工程，真题，大纲，参考书。

专业140+总分420+东北大学841通信专业基础考研经验东大电子信息与通信工程，真题，大纲，参考书。

今年考研顺利上岸&#xff0c;被东北大学通信工程录取&#xff0c;其中专业课841通信专业基础140&#xff0c;数二140&#xff0c;总分420&#xff0c;整体每门课都还是比较均衡&#xff0c;刚开始考研前也和大家一样&#xff0c;焦虑&#xff0c;紧张&#xff0c;面对考研怕失…
阅读更多...
Web课程学习笔记--CSS-Sprite的应用

Web课程学习笔记--CSS-Sprite的应用

雪碧图CSS Sprite的应用 CSS雪碧&#xff0c;即CSS Sprite&#xff0c;也有人叫它CSS精灵&#xff0c;是一种CSS图像合并技术&#xff0c;该方法是将小图标和背景图像合并到一张图片上&#xff0c;然后利用css的背景定位来显示需要显示的图片部分。例如常见的商品分类导航其实所…
阅读更多...
阿里云游戏服务器一年费用多少？

阿里云游戏服务器一年费用多少？

阿里云游戏服务器租用价格表&#xff1a;4核16G服务器26元1个月、146元半年&#xff0c;游戏专业服务器8核32G配置90元一个月、271元3个月&#xff0c;阿里云服务器网aliyunfuwuqi.com分享阿里云游戏专用服务器详细配置和精准报价&#xff1a; 阿里云游戏服务器租用价格表 阿…
阅读更多...
「优选算法刷题」：替换所有的问号

「优选算法刷题」：替换所有的问号

一、题目 给你一个仅包含小写英文字母和 ? 字符的字符串 s&#xff0c;请你将所有的 ? 转换为若干小写字母&#xff0c;使最终的字符串不包含任何 连续重复 的字符。 注意&#xff1a;你 不能 修改非 ? 字符。 题目测试用例保证 除 ? 字符 之外&#xff0c;不存在连续重…
阅读更多...
云备份项目：在云端保护您的数据【二、开发】

云备份项目：在云端保护您的数据【二、开发】

☘️过度的信息对一个过着充实生活的人来说&#xff0c;是一种不必要的负担☘️ 文章目录 前言工具类实现文件实用工具类代码实现 Json实用工具类代码实现 服务端单例配置类系统配置信息单例配置类 数据管理类数据信息数据管理 热点管理类业务处理类 客户端数据管理类文件备份类…
阅读更多...
软件测试【三】Python中的数据类型

软件测试【三】Python中的数据类型

一、Python中的数据类型: python中的list列表定义 在Python中&#xff0c;list是一种有序的数据类型&#xff0c;可以存储任意类型的对象&#xff0c;包括数字、字符串、布尔值、函数等。 定义一个list列表可以使用中括号[]来表示&#xff0c;其中每个元素之间用逗号隔开。以…
阅读更多...
anomalib1.0学习纪实

anomalib1.0学习纪实

回顾&#xff1a;细分、纵深、高端、上游、积累、极致。 回顾&#xff1a;产品化&#xff0c;资本化&#xff0c;规模化&#xff0c;大干快上&#xff0c;小农思维必死无疑。 春节在深圳新地中央&#xff0c;学习anomalib1.0。 一、安装&#xff1a; 1、常规安装 采用的是…
阅读更多...
蓝桥杯：C++排列与组合

蓝桥杯：C++排列与组合

排列是暴力枚举时的常见操作。有以下两种情况。 C的 next_permutation()是全排列函数&#xff0c;只能输出序列中所有元素的全排列。 本节将给出手写排列和组合的代码。因为在很多场合中不能使用系统自带的排列函数&#xff0c;所以需要自己编写。 全排列函数&#xff1a;nex…
阅读更多...
SpringCloud之Eureka注册中心和负载均衡

SpringCloud之Eureka注册中心和负载均衡

SpringCloud之Eureka注册中心和负载均衡 微服务技术栈认识微服务单体架构分布式架构微服务 微服务拆分及远程调用微服务拆分注意事项 Eureka注册中心提供者与消费者原理分析服务调用出现的问题Eureka的作用 使用流程1、搭建EurekaServer2、注册user-service3、在order-service完…
阅读更多...
BUGKU-WEB 你必须让他停下

BUGKU-WEB 你必须让他停下

题目描述 题目截图如下&#xff1a; 进入场景看看&#xff1a; 解题思路 图片会消失,那应该是使用了js来控制根据提示,那就是要停止js才会看到flag (也就是要抓包,不要陷入停止js的思维) 相关工具 F12大法Burp Suit抓包工具 解题步骤 出现图片的时候,源码中确实出现…
阅读更多...
题记(41)--简易计算器

题记(41)--简易计算器

目录 一、题目内容 二、输入描述 三、输出描述 四、输入输出示例 五、完整C语言代码 一、题目内容 读入一个只包含 , -, *, / 的非负整数计算表达式&#xff0c;计算该表达式的值。 二、输入描述 测试输入包含若干测试用例&#xff0c;每个测试用例占一行&#xff0c;每行…
阅读更多...
信息学奥赛一本通1228：书架

信息学奥赛一本通1228：书架

1228&#xff1a;书架 时间限制: 1000 ms 内存限制: 65536 KB 提交数: 18190 通过数: 10557 【题目描述】 John最近买了一个书架用来存放奶牛养殖书籍&#xff0c;但书架很快被存满了&#xff0c;只剩最顶层有空余。 John共有N&#xfffd;头奶牛(1≤N≤20,0001≤…
阅读更多...
NULL和nullptr到底是什么？它们的区别又是什么？

NULL和nullptr到底是什么？它们的区别又是什么？

目录 1.前言 2.剖析NULL 3. 剖析nullptr 4.nullptr与NULL的区别 1.前言 为了保持良好的编程习惯&#xff0c;我们在声明某个变量时都应该给这个变量合适的初始值&#xff0c;不然容易出现不可预知的错误。对于指针来说更是如此&#xff0c;在c语言中我们就通常将暂时没有指向…
阅读更多...
「数据结构」栈和队列

「数据结构」栈和队列

栈 栈的基本概念 定义 栈是只允许在一端进行插入或删除操作的线性表栈顶&#xff1a;线性表允许进行插入删除的那一端栈底&#xff1a;固定的&#xff0c;不允许进行插入和删除的另一端空栈&#xff1a;不含任何元素特点&#xff1a;后进先出&#xff08;LIFO&#xff09; 基…
阅读更多...
求排列的逆序数

求排列的逆序数

每日一道算法题之求排列的逆序数 一、题目描述二、思路三、C代码 一、题目描述 一个排列含有逆序的个数称为这个排列的逆序数。例如排列 263451 含有8个逆序(2,1),(6,3),(6,4),(6,5),(6,1),(3,1),(4,1),(5,1)&#xff0c;因此该排列的逆序数就是8。显然&#xff0c;由1,2,…,n …
阅读更多...
【Spring MVC篇】返回响应

【Spring MVC篇】返回响应

个人主页&#xff1a;兜里有颗棉花糖 欢迎 点赞&#x1f44d; 收藏✨ 留言✉ 加关注&#x1f493;本文由 兜里有颗棉花糖 原创 收录于专栏【Spring MVC】 本专栏旨在分享学习Spring MVC的一点学习心得&#xff0c;欢迎大家在评论区交流讨论&#x1f48c; 目录 一、返回静态页面…
阅读更多...
(13)Hive调优——动态分区导致的小文件问题

(13)Hive调优——动态分区导致的小文件问题

前言 动态分区指的是&#xff1a;分区的字段值是基于查询结果自动推断出来的&#xff0c;核心语法就是insertselect。 具体内容指路文章&#xff1a; https://blog.csdn.net/SHWAITME/article/details/136111924?spm1001.2014.3001.5501文章浏览阅读483次&#xff0c;点赞15次…
阅读更多...
回归预测模型：MATLAB神经网络回归模型

回归预测模型：MATLAB神经网络回归模型

1.神经网络回归模型的基本原理 神经网络是一种由节点&#xff08;或称为“神经元”&#xff09;和边组成的网络结构&#xff0c;用于模拟人脑分析和处理信息的方式。在回归问题中&#xff0c;神经网络旨在预测一个连续值的输出&#xff0c;基于给定的一组输入特征。 一个基本…
阅读更多...
假期作业 2月15日

假期作业 2月15日

字符串练习 1、选择题 1.1、有以下程序 int main() { char a[7]"a0\0a0\0";int i,j; isizeof(a); jstrlen(a); printf("%d %d\n",i,j); } //strlen求出字符串的长度&#xff0c;其实是字符串中字符的个数&#xff0c;不包括\0 程序运行后的输出…
阅读更多...
最新文章

Copyright @ 2022~2023