做购物网站开发价格,合肥新房在售楼盘,网站建设都有什么类型,新手怎样学校做网站RANSAC原理#xff1a;略。 其他博客大多都是介绍拟合单条直线或平面的代码案例#xff0c;本文介绍如何拟合多条直线或平面#xff0c;其实是在单个拟合的基础上接着拟合#xff0c;以此类推。 注意#xff1a;步骤中的直线模型是每次随机在点云中取点计算的。 步骤…RANSAC原理略。 其他博客大多都是介绍拟合单条直线或平面的代码案例本文介绍如何拟合多条直线或平面其实是在单个拟合的基础上接着拟合以此类推。 注意步骤中的直线模型是每次随机在点云中取点计算的。 步骤 1.根据所设参数点到直线模型的最大距离把点云分为了内点和外点对内点进行直线拟合得到第一次拟合的直线 2.提取上一步的外点按照步骤1再次进行内点和外点的划分对内点拟合直线得到第二次拟合的直线并将直线点云叠加到步骤1得到的直线点云中 3.设置循环终止的条件重复步骤1-2最终拟合出点云中所有直线。 多平面拟合的思想如出一辙概不赘述。
1.RANSAC拟合点云所有直线
//RANSAC拟合多条直线
pcl::PointCloudpcl::PointXYZ::Ptr LineFitting(pcl::PointCloudpcl::PointXYZ::Ptr cloud) {//内点点云合并pcl::PointCloudpcl::PointXYZ::Ptr cloud_lines(new pcl::PointCloudpcl::PointXYZ());while (cloud-size() 20)//循环条件{pcl::SampleConsensusModelLinepcl::PointXYZ::Ptr model_line(new pcl::SampleConsensusModelLinepcl::PointXYZ(cloud));pcl::RandomSampleConsensuspcl::PointXYZ ransac(model_line);ransac.setDistanceThreshold(0.05); //内点到模型的最大距离ransac.setMaxIterations(100); //最大迭代次数ransac.computeModel(); //直线拟合//根据索引提取内点std::vectorint inliers;ransac.getInliers(inliers);pcl::PointCloudpcl::PointXYZ::Ptr cloud_line(new pcl::PointCloudpcl::PointXYZ());pcl::copyPointCloudpcl::PointXYZ(*cloud, inliers, *cloud_line);//若内点尺寸过小不用继续拟合跳出循环if (cloud_line-width * cloud_line-height 20) {break;}*cloud_lines *cloud_lines *cloud_line;//pcl::io::savePCDFile(path1 strcount _ str .pcd, *cloud_line);//提取外点pcl::PointCloudpcl::PointXYZ::Ptr outliers(new pcl::PointCloudpcl::PointXYZ);pcl::PointIndices::Ptr inliersPtr(new pcl::PointIndices);inliersPtr-indices inliers;pcl::ExtractIndicespcl::PointXYZ extract;extract.setInputCloud(cloud);extract.setIndices(inliersPtr);extract.setNegative(true); // 设置为true表示提取外点extract.filter(*outliers);//pcl::io::savePCDFile(C:/pclpoint/data/cp1_lineoutstr.pcd, *outliers);//cout outliers-size() endl;cloud-clear();*cloud *outliers;}return cloud_lines;
}2.RANSAC拟合点云所有平面
pcl::PointCloudpcl::PointXYZ::Ptr planeFitting(pcl::PointCloudpcl::PointXYZ::Ptr cloud) {//内点点云合并pcl::PointCloudpcl::PointXYZ::Ptr cloud_planes(new pcl::PointCloudpcl::PointXYZ());while (cloud-size() 100)//循环条件{//--------------------------RANSAC拟合平面--------------------------pcl::SampleConsensusModelPlanepcl::PointXYZ::Ptr model_plane(new pcl::SampleConsensusModelPlanepcl::PointXYZ(cloud));pcl::RandomSampleConsensuspcl::PointXYZ ransac(model_plane);ransac.setDistanceThreshold(0.01); //设置距离阈值与平面距离小于0.1的点作为内点//ransac.setMaxIterations(100); //最大迭代次数ransac.computeModel(); //执行模型估计//-------------------------根据索引提取内点--------------------------pcl::PointCloudpcl::PointXYZ::Ptr cloud_plane(new pcl::PointCloudpcl::PointXYZ);std::vectorint inplanes; //存储内点索引的容器ransac.getInliers(inplanes); //提取内点索引pcl::copyPointCloudpcl::PointXYZ(*cloud, inplanes, *cloud_plane);//若内点尺寸过小不用继续拟合跳出循环if (cloud_plane-width * cloud_plane-height 100) {break;}*cloud_planes *cloud_planes *cloud_plane;//提取外点pcl::PointCloudpcl::PointXYZ::Ptr outplanes(new pcl::PointCloudpcl::PointXYZ);pcl::PointIndices::Ptr inplanePtr(new pcl::PointIndices);inplanePtr-indices inplanes;pcl::ExtractIndicespcl::PointXYZ extract;extract.setInputCloud(cloud);extract.setIndices(inplanePtr);extract.setNegative(true); // 设置为true表示提取外点extract.filter(*outplanes);//pcl::io::savePCDFile(C:/pclpoint/data/cp1_lineoutstr.pcd, *outliers);//cout outliers-size() endl;cloud-clear();*cloud *outplanes;}//----------------------------输出模型参数---------------------------/* Eigen::VectorXf coefficient;ransac.getModelCoefficients(coefficient);cout 平面方程为\n coefficient[0] x coefficient[1] y coefficient[2] z coefficient[3] 0 endl;*///返回最终的拟合结果点云return cloud_planes;
}
