PCL之平面分割模型

2021-10-12 03:56:18 字數 2033 閱讀 4340

**展示: 

#include #include #include #include #include #include #include #include using namespace std;


using pointt = pcl::pointxyz;


int main() 


//建立分割時所需要的模型係數物件，coefficients及儲存內點的點索引集合物件inliers


pcl::modelcoefficients::ptr coefficients(new pcl::modelcoefficients);


pcl::pointindices::ptr inliers(new pcl::pointindices);


// 建立分割物件


pcl::sacsegmentationseg;


// 可選擇配置，設定模型係數需要優化


seg.setoptimizecoefficients(true);


// 必要的配置，設定分割的模型型別，所用的隨機引數估計方法，距離閥值，輸入點雲


seg.setmodeltype(pcl::sacmodel_plane); //設定模型型別


seg.setmethodtype(pcl::sac_ransac); //設定隨機取樣一致性方法型別


seg.setdistancethreshold(0.01); //設定距離閥值，距離閥值決定了點被認為是局內點是必須滿足的條件，表示點到估計模型的距離最大值，


seg.setinputcloud(cloud);


//引發分割實現，儲存分割結果到點幾何inliers及儲存平面模型的係數coefficients


seg.segment(*inliers, *coefficients);


if (inliers->indices.size() == 0) 


// 提取平面點雲


pcl::extractindice***tract;


extract.setinputcloud (cloud);


extract.setindices(inliers);


extract.setnegative (false);


pcl::pointcloud::ptr cloud_plane (new pcl::pointcloud);


extract.filter (*cloud_plane);


if (cloud_plane->points.empty ())


std::cerr << "提取平面點雲失敗." << std::endl;


// 視覺化分割結果


pcl::visualization::pclvisualizer::ptr viewer(new pcl::visualization::pclvisualizer("viewer"));


int v1(0);


viewer->createviewport(0.0, 0.0, 0.5, 1.0, v1);


viewer->setbackgroundcolor(0, 0, 0, v1);


viewer->addtext("raw", 10, 10, "v1_text", v1);


int v2(1);


viewer->createviewport(0.5, 0.0, 1, 1.0, v2);


viewer->setbackgroundcolor(0.1, 0.1, 0.1, v2);


viewer->addtext("seg", 10, 10, "v2_text", v2);


viewer->addpointcloud(cloud, "cloud_sample", v1);


viewer->addpointcloud(cloud_plane, "cloud_seg", v2);


while (!viewer->wasstopped()) 


return 0;


}
效果展示:

PCL點雲庫 平面模型分割

平面模型分割是採用隨機取樣一致性對點雲擬合出乙個平面，將點到該平面的距離小於 距離閾值 的點都作為內點，大於 距離閾值 的點都作為外點。可以通過設定引數選擇保留內點還是外點。平面模型分割 include include include include intmain int argc,char ar...

PCL擬合平面和球面模型

pcl sampleconsensusmodelsphere ptr model s new pcl sampleconsensusmodelsphere cloud pcl sampleconsensusmodelplane ptr model p new pcl sampleconsensusm...

PCL之區域生長分割

首先依據點的曲率值對點進行排序，之所以排序，是因為區域生長演算法是從曲率最小的點開始生長的，這個點就是初始種子點，初始種子點所在的區域即為最平滑的區域，從最平滑的區域開始生長可減少分割片段的總數，提高效率。演算法流程總結 種子周圍的臨近點和種子點雲相比較 法線的方向是否足夠相近 曲率是否足夠小 如果...