个人做网站,深圳住房和建设局网站办事大厅,网站建设和服务器运营,fwa 网站 欣赏这次我们将使用pcl::ROPSEstimation这个类来导出点的特征。
下面是这个方法的特征提取方式。有一个网格和一个点集可以让我们来执行一些简单的操作。第一步#xff0c;对于一个给定的兴趣点局部的表面将会被削平。局部表面包含了在半径内的点和三角形。对于给定的局部表面LRF…这次我们将使用pcl::ROPSEstimation这个类来导出点的特征。
下面是这个方法的特征提取方式。有一个网格和一个点集可以让我们来执行一些简单的操作。第一步对于一个给定的兴趣点局部的表面将会被削平。局部表面包含了在半径内的点和三角形。对于给定的局部表面LRF将被计算。LRF是向量的3个组之一。真正重要的是使用那些具有旋转不变的向量。为了做到这一点我们把感兴趣的点作为原点来做转换再这之后我们旋转局部表面以至于LRF向量关于OxOy,Oz坐标轴对称。完成这些后我们开始了特征导出。对于每个Ox,Oy,Oz坐标轴我们会把这些这些坐标轴作为当前的坐标轴。
1.局部表面通过一个给定的角度在当前的坐标轴进行旋转。
2.把局部表面投影成3个平面XY,XZ和YZ.
3.对于每个投影分布矩阵这个矩阵将展示怎么样把把点分到不同的容器里面。容器的数量代表了矩阵的维度和算法的参数。
4.每个分布矩阵的中心矩将会被计算。M11,M12,M21,M22E。E是信息熵。
5.计算值将会组成子特征。 我们把上面这些步骤进行多次迭代。不同坐标轴的子特征将组成RoPS描述器。
下面是代码
我们首先要找到目标模型
points 包含点云
indices 点的下标
triangles包含了多边形
#include pcl/features/rops_estimation.h
#include pcl/io/pcd_io.h
int main (int argc, char** argv)
{
if (argc ! 4)
return (-1);
pcl::PointCloudpcl::PointXYZ::Ptr cloud (new pcl::PointCloudpcl::PointXYZ ());
if (pcl::io::loadPCDFile (argv[1], *cloud) -1)
return (-1);
pcl::PointIndicesPtr indices boost::shared_ptr pcl::PointIndices (new pcl::PointIndices ());
std::ifstream indices_file;
indices_file.open (argv[2], std::ifstream::in);
for (std::string line; std::getline (indices_file, line);)
{
std::istringstream in (line);
unsigned int index 0;
in index;
indices-indices.push_back (index - 1);
}
indices_file.close ();
std::vector pcl::Vertices triangles;
std::ifstream triangles_file;
triangles_file.open (argv[3], std::ifstream::in);
for (std::string line; std::getline (triangles_file, line);)
{
pcl::Vertices triangle;
std::istringstream in (line);
unsigned int vertex 0;
in vertex;
triangle.vertices.push_back (vertex - 1);
in vertex;
triangle.vertices.push_back (vertex - 1);
in vertex;
triangle.vertices.push_back (vertex - 1);
triangles.push_back (triangle);
}
float support_radius 0.0285f;
unsigned int number_of_partition_bins 5;
unsigned int number_of_rotations 3;
pcl::search::KdTreepcl::PointXYZ::Ptr search_method (new pcl::search::KdTreepcl::PointXYZ);
search_method-setInputCloud (cloud);
pcl::ROPSEstimation pcl::PointXYZ, pcl::Histogram 135 feature_estimator;
feature_estimator.setSearchMethod (search_method);
feature_estimator.setSearchSurface (cloud);
feature_estimator.setInputCloud (cloud);
feature_estimator.setIndices (indices);
feature_estimator.setTriangles (triangles);
feature_estimator.setRadiusSearch (support_radius);
feature_estimator.setNumberOfPartitionBins (number_of_partition_bins);
feature_estimator.setNumberOfRotations (number_of_rotations);
feature_estimator.setSupportRadius (support_radius);
pcl::PointCloudpcl::Histogram 135 ::Ptr histograms (new pcl::PointCloud pcl::Histogram 135 ());
feature_estimator.compute (*histograms);
return (0);
} 上面是指定下标点的RoPS特征计算的地方 std::vector pcl::Vertices triangles;
std::ifstream triangles_file;
triangles_file.open (argv[3], std::ifstream::in);
for (std::string line; std::getline (triangles_file, line);)
{
pcl::Vertices triangle;
std::istringstream in (line);
unsigned int vertex 0;
in vertex;
triangle.vertices.push_back (vertex - 1);
in vertex;
triangle.vertices.push_back (vertex - 1);
in vertex;
triangle.vertices.push_back (vertex - 1);
triangles.push_back (triangle);
}
上面是加载关于多边形的信息的。你可以取代信息用下面的代码来进行三角划分如果你只有点云没有网格图。 float support_radius 0.0285f;
unsigned int number_of_partition_bins 5;
unsigned int number_of_rotations 3;
上面的这些代码定义了重要的算法参数局部表面裁剪支持的半径以及用于组成分布矩阵的容器的数量和旋转的次数。最后的参数将影响描述器的长度。 pcl::search::KdTreepcl::PointXYZ::Ptr search_method (new pcl::search::KdTreepcl::PointXYZ);
search_method-setInputCloud (cloud);
上面设置了搜索方法。 pcl::ROPSEstimation pcl::PointXYZ, pcl::Histogram 135 feature_estimator;
feature_estimator.setSearchMethod (search_method);
feature_estimator.setSearchSurface (cloud);
feature_estimator.setInputCloud (cloud);
feature_estimator.setIndices (indices);
feature_estimator.setTriangles (triangles);
feature_estimator.setRadiusSearch (support_radius);
feature_estimator.setNumberOfPartitionBins (number_of_partition_bins);
feature_estimator.setNumberOfRotations (number_of_rotations);
feature_estimator.setSupportRadius (support_radius);
上面是实例化类的地方。它包含了两个参数
PointInT输入点的类型
PointOutT输出点的类型
最终我们需要进行特征计算 pcl::PointCloudpcl::Histogram 135 ::Ptr histograms (new pcl::PointCloud pcl::Histogram 135 ());
feature_estimator.compute (*histograms);
然后运行
./rops_feature points.pcd indices.txt triangles.txt
