PCL 基于中值距离的点云对应关系(永久免费版)
目录
- 一、概述
- 1.1 原理
- 1.2 实现步骤
- 1.3应用场景
- 二、关键函数
- 2.1 获取初始点对
- 2.2 获取中值距离筛选后的对应点对
- 2.3 可视化
- 三、完整代码
- 四、结果展示
即日起,付费专栏所有内容将以永久免费形式陆续进行发表!!!
一、概述
在点云配准过程中,初始对应点对可能包含错误匹配的点对,因此在执行进一步的精确配准(如ICP算法)之前,通常需要进行初步的筛选。通过基于中值距离的方法,可以有效剔除错误匹配的点对。此方法通过计算所有匹配点对的距离中值,然后剔除距离大于中值乘以系数的点对,从而保留正确匹配的点对
1.1 原理
中值距离剔除算法 是通过以下步骤进行的:
1.获取初始对应点对:通过最近邻搜索等方法,找到源点云和目标点云之间的初始匹配点对。
2.计算距离:对于每对匹配点,计算两者之间的欧几里得距离。
3.计算距离中值:对所有匹配点对的距离进行排序,找到中值距离 𝑑。
4.剔除错误匹配:将距离大于 𝑑×k 的匹配点对视为错误点对剔除,𝑘 为用户指定的系数,控制筛选的严格程度。通常,较小的 𝑘 值会剔除更多的点对,较大的 𝑘 值会保留更多的点对。
5.输出筛选结果:保留满足筛选条件的匹配点对,作为进一步配准或分析的基础。
1.2 实现步骤
加载点云数据:读取源点云和目标点云。
获取对应关系:通过最近邻搜索获取初始的匹配点对。
基于中值距离进行筛选:计算匹配点对的距离中值,剔除大于中值乘以系数的匹配点对。
可视化结果:展示源点云、目标点云及其筛选后的匹配点对。
1.3应用场景
点云配准的初步过滤:基于中值距离剔除错误的对应点对,可以用于提高后续精配准算法(如ICP)的效率和准确性。
物体识别与姿态估计:通过剔除错误的对应关系,提高点云识别与定位的准确性。
多视角点云拼接:在多视角点云拼接中,基于中值距离可以有效剔除多余或错误的匹配点对。
二、关键函数
2.1 获取初始点对
// 获取初始对应点对
void getCorrespondences(const pcl::PointCloud<pcl::PointXYZ>::Ptr& source,
const pcl::PointCloud<pcl::PointXYZ>::Ptr& target,
pcl::CorrespondencesPtr& correspondences)
{
pcl::registration::CorrespondenceEstimation<pcl::PointXYZ, pcl::PointXYZ> corr_est;
corr_est.setInputSource(source); // 设置源点云
corr_est.setInputTarget(target); // 设置目标点云
corr_est.determineCorrespondences(*correspondences); // 获取初始匹配点对
}
2.2 获取中值距离筛选后的对应点对
// 基于中值距离剔除错误对应关系并返回中值距离
float rejectCorrespondencesByMedian(const pcl::CorrespondencesPtr& correspondences,
pcl::CorrespondencesPtr& correspondences_result_rej_media,
float median_factor = 0.2)
{
pcl::registration::CorrespondenceRejectorMedianDistance rejector;
rejector.setInputCorrespondences(correspondences); // 输入初始匹配点对
rejector.setMedianFactor(median_factor); // 设置中值系数,控制筛选严格程度
rejector.getCorrespondences(*correspondences_result_rej_media); // 获取剔除后的匹配点对
return rejector.getMedianDistance(); // 返回中值距离
}
2.3 可视化
// 可视化点云及其对应关系
void visualizeCorrespondencesResult(const pcl::PointCloud<pcl::PointXYZ>::Ptr& source,
const pcl::PointCloud<pcl::PointXYZ>::Ptr& target,
const pcl::CorrespondencesPtr& correspondences)
{
boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer(u8"基于中值距离的对应关系"));
viewer->setBackgroundColor(0, 0, 0); // 设置背景颜色为黑色
// 为目标点云设置红色
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> target_color(target, 255, 0, 0);
viewer->addPointCloud<pcl::PointXYZ>(target, target_color, "target cloud");
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "target cloud");
// 为源点云设置绿色
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> source_color(source, 0, 255, 0);
viewer->addPointCloud<pcl::PointXYZ>(source, source_color, "source cloud");
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "source cloud");
// 可视化对应关系
viewer->addCorrespondences<pcl::PointXYZ>(source, target, *correspondences, "correspondence");
// 开启渲染循环,直到窗口关闭
while (!viewer->wasStopped())
{
viewer->spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(100000));
}
}
三、完整代码
#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <boost/thread/thread.hpp>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/registration/correspondence_estimation.h> // 获取对应关系的基类
#include <pcl/registration/correspondence_rejection_median_distance.h> // 使用中值距离剔除的类
using namespace std;
// 获取初始对应点对
void getCorrespondences(const pcl::PointCloud<pcl::PointXYZ>::Ptr& source,
const pcl::PointCloud<pcl::PointXYZ>::Ptr& target,
pcl::CorrespondencesPtr& correspondences)
{
pcl::registration::CorrespondenceEstimation<pcl::PointXYZ, pcl::PointXYZ> corr_est;
corr_est.setInputSource(source); // 设置源点云
corr_est.setInputTarget(target); // 设置目标点云
corr_est.determineCorrespondences(*correspondences); // 获取初始匹配点对
}
// 基于中值距离剔除错误对应关系并返回中值距离
float rejectCorrespondencesByMedian(const pcl::CorrespondencesPtr& correspondences,
pcl::CorrespondencesPtr& correspondences_result_rej_media,
float median_factor = 0.2)
{
pcl::registration::CorrespondenceRejectorMedianDistance rejector;
rejector.setInputCorrespondences(correspondences); // 输入初始匹配点对
rejector.setMedianFactor(median_factor); // 设置中值系数,控制筛选严格程度
rejector.getCorrespondences(*correspondences_result_rej_media); // 获取剔除后的匹配点对
return rejector.getMedianDistance(); // 返回中值距离
}
// 可视化点云及其对应关系
void visualizeCorrespondencesResult(const pcl::PointCloud<pcl::PointXYZ>::Ptr& source,
const pcl::PointCloud<pcl::PointXYZ>::Ptr& target,
const pcl::CorrespondencesPtr& correspondences)
{
boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer(u8"基于中值距离的对应关系"));
viewer->setBackgroundColor(0, 0, 0); // 设置背景颜色为黑色
// 为目标点云设置红色
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> target_color(target, 255, 0, 0);
viewer->addPointCloud<pcl::PointXYZ>(target, target_color, "target cloud");
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "target cloud");
// 为源点云设置绿色
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> source_color(source, 0, 255, 0);
viewer->addPointCloud<pcl::PointXYZ>(source, source_color, "source cloud");
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "source cloud");
// 可视化对应关系
viewer->addCorrespondences<pcl::PointXYZ>(source, target, *correspondences, "correspondence");
// 开启渲染循环,直到窗口关闭
while (!viewer->wasStopped())
{
viewer->spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(100000));
}
}
int main(int argc, char** argv)
{
// ---------------------------------加载源点云----------------------------------
pcl::PointCloud<pcl::PointXYZ>::Ptr source(new pcl::PointCloud<pcl::PointXYZ>);
if (pcl::io::loadPCDFile<pcl::PointXYZ>("1.pcd", *source) == -1)
{
PCL_ERROR("读取源标点云失败 \n");
return (-1);
}
cout << "从源点云中读取 " << source->size() << " 个点" << endl;
// ---------------------------------加载目标云---------------------------------
pcl::PointCloud<pcl::PointXYZ>::Ptr target(new pcl::PointCloud<pcl::PointXYZ>);
if (pcl::io::loadPCDFile<pcl::PointXYZ>("2.pcd", *target) == -1)
{
PCL_ERROR("读取目标点云失败 \n");
return (-1);
}
cout << "从目标点云中读取 " << target->size() << " 个点" << endl;
// 2. 获取初始对应点对
pcl::CorrespondencesPtr correspondences(new pcl::Correspondences);
getCorrespondences(source, target, correspondences);
// 3. 基于中值距离剔除错误对应点对,并获取中值距离
pcl::CorrespondencesPtr correspondences_result_rej_media(new pcl::Correspondences);
float median_distance = rejectCorrespondencesByMedian(correspondences, correspondences_result_rej_media);
cout << "初始对应点对数量: " << correspondences->size() << endl;
cout << "中值距离为: " << median_distance << endl;
cout << "基于中值距离剔除后剩余: " << correspondences_result_rej_media->size() << endl;
// 4. 可视化结果
visualizeCorrespondencesResult(source, target, correspondences_result_rej_media);
return 0;
}
四、结果展示
从源点云中读取 40256 个点
从目标点云中读取 40097 个点
初始对应点对数量: 40256
中值距离为: 0.000229776
基于中值距离剔除后剩余: 11528