利用pcl中分割算法、
pcl::sacsegmentation<pcl::pointxyz> seg;
，不利用法线参数，只根据模型参数得到的分割面片，与想象的面片差距很大，
1 pcl::modelcoefficients::ptr coefficients (new pcl::modelcoefficients ()); 2 pcl::pointindices::ptr inliers (new pcl::pointindices ()); 3 // 创建分割对象 4 pcl::sacsegmentation<pcl::pointxyz> seg; 5 // 可选 6 seg.setoptimizecoefficients (true); 7 // 必选 8 seg.setmodeltype (pcl::sacmodel_plane); 9 seg.setmethodtype (pcl::sac_ransac); 10 seg.setmaxiterations (1000); 11 seg.setdistancethreshold (0.05);
后我采用ransac拟合的方法，进行面片的分割
1 std::vector<int> inliers; //存储局内点集合的点的索引的向量 2 3 //进行ransac平面拟合 4 pcl::sampleconsensusmodelplane<pointt>::ptr model_p(new pcl::sampleconsensusmodelplane<pointt>(cloud)); //针对平面模型的对象 5 pcl::randomsampleconsensus<pointt> ransacp(model_p); 6 ransacp.setdistancethreshold(.1); //与平面距离小于0.1的点作为局内点考虑 7 ransacp.computemodel(); //执行随机参数估计 8 ransacp.getinliers(inliers); //存储估计所得的局内点 9 pcl::copypointcloud<pointt>(*cloud, inliers, *cloud_in); //复制估算模型的所有局内点到cloud_in中 10 pcl::io::savepcdfile("./data/seg_ran/ransac_building_1.pcd", *cloud_in);
得到：
之后我想迭代的进行面片拟合后分割出来，在索引的地方遇到了问题
于是想出来一个比较笨的办法：
1 for (int i = 0; i < cloud->points.size(); i++) 2 { 3 std::vector<int>::iterator iter = find(inliers.begin(), inliers.end(), i); 4 if (iter == inliers.end()) 5 { 6 cloud_out->points.push_back(cloud->points.at(i)); 7 } 8 }
等同于自己写了一个分割的方法。
中间遇到的问题有：
点云的索引、有序点云与无序点云的写入、智能指针未实例化问题、
现在仍未搞明白pcl中的索引的使用方法。例如：pointindices、 extractindices 等
如有了解的小伙伴希望告知、互帮互助、共同进步！
2019-04-12 19:04:34
本文来自网络收集，不代表计算机技术网立场，如涉及侵权请联系管理员删除。
ctvol管理联系方式QQ:251552304
本文章地址：https://www.ctvol.com/c-cdevelopment/603991.html