【PCL】Segmentation 模块—— 平面模型分割（Plane model segmentation）
1、简介PCL（Point Cloud Library）中的平面模型分割（Plane Model Segmentation）是一种从点云数据中提取平面布局的方法。它通过识别点云中符合平面模型的点集，将场景中的平面地区分割出来。
1.1 紧张步骤
[*]选择模型：选择平面模型作为分割目标。
[*]采样点：随机选取点云中的点用于模型拟合。
[*]模型拟合：使用采样点拟合平面模型，通常通过最小二乘法或RANSAC算法。
[*]内点检测：盘算全部点到拟合平面的距离，距离小于阈值的点被视为内点。
[*]分割：将内点标记为属于该平面，并从点云中移除，以便后续处置惩罚。
1.2 常用算法
[*]RANSAC：鲁棒的拟合算法，能有用处置惩罚噪声和离群点。
[*]最小二乘法：实用于噪声较少的点云数据。
1.3 应用场景
[*]室内场景：提取地面、墙面等平面。
[*]机器人导航：识别可通行地区。
[*]三维重建：简化场景多少布局。
2、代码
从给定的点云数据集分割任意平面模型。
兼容性：> PCL 1.3
2.1 planar_segmentation.cpp
#include <iostream>
#include <pcl/ModelCoefficients.h>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/sample_consensus/method_types.h>
#include <pcl/sample_consensus/model_types.h>
#include <pcl/segmentation/sac_segmentation.h>
int main ()
{
// 读取点云数据
// pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
// pcl::io::loadPCDFile<pcl::PointXYZ>("table_scene_lms400.pcd", *cloud);
//----------------------------------
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
// Fill in the cloud data
cloud->width= 15;
cloud->height = 1;
cloud->points.resize (cloud->width * cloud->height);
// Generate the data
for (auto& point: *cloud)
{
point.x = 1024 * rand () / (RAND_MAX + 1.0f);
point.y = 1024 * rand () / (RAND_MAX + 1.0f);
point.z = 1.0;
}
// Set a few outliers
(*cloud).z = 2.0;
(*cloud).z = -2.0;
(*cloud).z = 4.0;
//----------------------------------
std::cerr << "Point cloud data: " << cloud->size () << " points" << std::endl;
for (const auto& point: *cloud)
std::cerr << " " << point.x << " "
<< point.y << " "
<< point.z << std::endl;
pcl::ModelCoefficients::Ptr coefficients (new pcl::ModelCoefficients);
pcl::PointIndices::Ptr inliers (new pcl::PointIndices);
// Create the segmentation object
pcl::SACSegmentation<pcl::PointXYZ> seg;
// Optional
seg.setOptimizeCoefficients (true);
// Mandatory
seg.setModelType (pcl::SACMODEL_PLANE);
seg.setMethodType (pcl::SAC_RANSAC);
seg.setDistanceThreshold (0.01);
seg.setInputCloud (cloud);
seg.segment (*inliers, *coefficients);
if (inliers->indices.size () == 0)
{
PCL_ERROR ("Could not estimate a planar model for the given dataset.\n");
return (-1);
}
std::cerr << "Model coefficients: " << coefficients->values << " "
<< coefficients->values << " "
<< coefficients->values << " "
<< coefficients->values << std::endl;
std::cerr << "Model inliers: " << inliers->indices.size () << std::endl;
for (const auto& idx: inliers->indices)
std::cerr << idx << " " << cloud->points.x << " "
<< cloud->points.y << " "
<< cloud->points.z << std::endl;
return (0);
}
2.2 CMakeLists.txt
cmake_minimum_required(VERSION 3.5 FATAL_ERROR)
project(planar_segmentation)
find_package(PCL 1.2 REQUIRED)
include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})
add_executable (${PROJECT_NAME} planar_segmentation.cpp)
target_link_libraries (${PROJECT_NAME} ${PCL_LIBRARIES})
3、运行结果
[*]编译运行
mkdir build && cd build
cmake ..
make
./planar_segmentation
[*]运行结果
https://i-blog.csdnimg.cn/direct/d339555c78754b1fa9229a5d443cca90.png
[*]分割过程的图形显示如下（代码中未写可视化，这个只是增补说明）
https://i-blog.csdnimg.cn/direct/27dab76fa64f45118d362dd9d6c2fc23.png
4、核心代码解读
这段代码使用PCL库进行平面模型分割，核心是通过RANSAC算法从点云数据中提取平面：
1. 创建分割对象
pcl::SACSegmentation<pcl::PointXYZ> seg;
[*]创建了一个SACSegmentation对象seg，用于执行基于采样同等性（Sample Consensus, SAC）的分割。
[*]模板参数pcl::PointXYZ体现点云中的点类型为三维点（包罗x, y, z坐标）。
2. 设置优化系数（可选）
seg.setOptimizeCoefficients(true);
[*]这是一个可选设置，用于优化模型系数。
[*]如果设置为true，分割算法会在找到初始模型后进一步优化平面模型的系数（如平面的法向量和截距），以提高精度。
3. 设置模型类型（必选）
seg.setModelType(pcl::SACMODEL_PLANE);
[*]设置分割的模型类型为平面模型（SACMODEL_PLANE）。
[*]这意味着算法将尝试从点云中拟合一个平面。
4. 设置方法类型（必选）
seg.setMethodType(pcl::SAC_RANSAC);
[*]设置分割方法为RANSAC（Random Sample Consensus）。
[*]RANSAC是一种鲁棒的拟合算法，可以或许有用处置惩罚噪声和离群点。它通过随机采样点来拟合模型，并选择内点（符合模型的点）最多的模型。
5. 设置距离阈值（必选）
seg.setDistanceThreshold(0.01);
[*]设置点到模型的最大距离阈值，用于判断点是否为内点。
[*]如果一个点到拟合平面的距离小于0.01（单位与点云数据同等），则该点被视为内点。
[*]这个值需要根据点云的尺度调整，值越小，拟合的平面越精确，但大概遗漏一些点；值越大，拟合的平面大概不够精确。
6. 设置输入点云
seg.setInputCloud(cloud);
[*]将待分割的点云数据cloud设置为分割对象的输入。
[*]cloud是一个pcl::PointCloud<pcl::PointXYZ>::Ptr类型的指针，指向点云数据。
7. 执行分割
seg.segment(*inliers, *coefficients);
[*]执行分割操纵。
[*]inliers是一个pcl::PointIndices::Ptr类型的指针，用于存储分割结果中的内点（即属于平面的点）的索引。
[*]coefficients是一个pcl::ModelCoefficients::Ptr类型的指针，用于存储拟合平面的模型系数（平面方程ax + by + cz + d = 0的系数a, b, c, d）。
总结
这段代码的核心是通过RANSAC算法从点云中提取平面：
[*]创建一个分割对象。
[*]设置平面模型和RANSAC方法。
[*]设置距离阈值以判断内点。
[*]输入点云数据并执行分割。
[*]输出内点索引和平面模型系数。
输出结果
[*]inliers：包罗全部属于平面的点的索引。
[*]coefficients：包罗平面方程的系数（a, b, c, d），体现平面方程ax + by + cz + d = 0。
如果点云中没有找到平面，inliers->indices将为空。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]