|
PCL提供节约一点云的值为一个PNG图像文件的可能方案。显然，这只能用有序的点云来完成，因为生成的图像的行和列将与点云的对应完全一致。例如，如果你从一个传感器Kinect或Xtion的点云，你可以用这个来检索640x480 RGB图像匹配的点云。 就是将点云文件PCD保存成PNG文件,程序如下 #include <pcl/io/png_io.h> int main(int argc, char** argv) { // 创建点云对象 pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>); // 读取点云文件 if (pcl::io::loadPCDFile<pcl::PointXYZRGB>(argv[1], *cloud) != 0) { return -1; } // 保存图片,(必须为有序点云) pcl::io::savePNGFile("output.png", *cloud, "rgb"); } 那么这里的实验结果是根据我之前使用的用kinect获得的点云数据,他的点云可视化效果如下 保存为PNG的结果为 如果省略参数，函数将默认保存RGB域。 （2）计算点云重心 点云的重心是一个点坐标，计算出云中所有点的平均值。你可以说它是“质量中心”，它对于某些算法有多种用途。如果你想计算一个聚集的物体的实际重心，记住，传感器没有检索到从相机中相反的一面，就像被前面板遮挡的背面，或者里面的。只有面对相机表面的一部分。 #include <pcl/io/pcd_io.h>#include <pcl/common/centroid.h> #include <iostream> int main(int argc, char** argv) { // 创建点云的对象 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); // 读取点云 if (pcl::io::loadPCDFile<pcl::PointXYZ>(argv[1], *cloud) != 0) { return -1; } // 创建存储点云重心的对象 Eigen::Vector4f centroid; pcl::compute3DCentroid(*cloud, centroid); std::cout << "The XYZ coordinates of the centroid are: (" << centroid[0] << ", " << centroid[1] << ", " << centroid[2] << ")." << std::endl; } 这样就可以计算出点云的XYZ三个轴的重心的坐标值 简单的程序演示，大神请忽略， |
|
|
