专栏首页点云PCL可视化深度图像

可视化深度图像

在3D视窗中以点云形式进行可视化(深度图像来自于点云),另一种是将深度值映射为颜色,从而以彩色图像方式可视化深度图像,

新建工程ch4_2,新建文件range_image_visualization.cpp,填充内容如下

#include <iostream>
#include <boost/thread/thread.hpp>
#include <pcl/common/common_headers.h>
#include <pcl/range_image/range_image.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/range_image_visualizer.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/console/parse.h>typedef pcl::PointXYZ PointType;
float angular_resolution_x = 0.5f,
angular_resolution_y = angular_resolution_x;
pcl::RangeImage::CoordinateFrame coordinate_frame = pcl::RangeImage::CAMERA_FRAME;
bool live_update = false;
void printUsage (const char* progName)
{
 std::cout << "\n\nUsage: "<<progName<<" [options] <scene.pcd>\n\n"
           << "Options:\n"
           << "-------------------------------------------\n"
           << "-rx <float>  angular resolution in degrees (default "<<angular_resolution_x<<")\n"
           << "-ry <float>  angular resolution in degrees (default "<<angular_resolution_y<<")\n"
           << "-c <int>     coordinate frame (default "<< (int)coordinate_frame<<")\n"
           << "-l           live update - update the range image according to the selected view in the 3D viewer.\n"
           << "-h           this help\n"
           << "\n\n";
}void setViewerPose (pcl::visualization::PCLVisualizer& viewer, const Eigen::Affine3f& viewer_pose)   //设置视角位置{
 Eigen::Vector3f pos_vector = viewer_pose * Eigen::Vector3f(0, 0, 0);   //eigen
 Eigen::Vector3f look_at_vector = viewer_pose.rotation () * Eigen::Vector3f(0, 0, 1) + pos_vector;
 Eigen::Vector3f up_vector = viewer_pose.rotation () * Eigen::Vector3f(0, -1, 0);
 viewer.setCameraPosition (pos_vector[0], pos_vector[1], pos_vector[2],look_at_vector[0], look_at_vector[1], look_at_vector[2],
up_vector[0], up_vector[1], up_vector[2]);
}
int main (int argc, char** argv)
{
 if (pcl::console::find_argument (argc, argv, "-h") >= 0)
 {
   printUsage (argv[0]);    return 0;
 }  if (pcl::console::find_argument (argc, argv, "-l") >= 0)
 {
   live_update = true;
   std::cout << "Live update is on.\n";
 }  if (pcl::console::parse (argc, argv, "-rx", angular_resolution_x) >= 0)
   std::cout << "Setting angular resolution in x-direction to "<<angular_resolution_x<<"deg.\n";  if (pcl::console::parse (argc, argv, "-ry", angular_resolution_y) >= 0)
   std::cout << "Setting angular resolution in y-direction to "<<angular_resolution_y<<"deg.\n";  int tmp_coordinate_frame;  if (pcl::console::parse (argc, argv, "-c", tmp_coordinate_frame) >= 0)
 {
   coordinate_frame = pcl::RangeImage::CoordinateFrame (tmp_coordinate_frame);
   std::cout << "Using coordinate frame "<< (int)coordinate_frame<<".\n";
 }
 angular_resolution_x = pcl::deg2rad (angular_resolution_x);
 angular_resolution_y = pcl::deg2rad (angular_resolution_y);  
 pcl::PointCloud<PointType>::Ptr point_cloud_ptr (new pcl::PointCloud<PointType>);
 pcl::PointCloud<PointType>& point_cloud = *point_cloud_ptr;
 Eigen::Affine3f scene_sensor_pose (Eigen::Affine3f::Identity ());
 std::vector<int> pcd_filename_indices = pcl::console::parse_file_extension_argument (argc, argv, "pcd");  if (!pcd_filename_indices.empty ())
 {
   std::string filename = argv[pcd_filename_indices[0]];    if (pcl::io::loadPCDFile (filename, point_cloud) == -1)
   {
     std::cout << "Was not able to open file \""<<filename<<"\".\n";
     printUsage (argv[0]);      return 0;
   }
   scene_sensor_pose = Eigen::Affine3f (Eigen::Translation3f (point_cloud.sensor_origin_[0],point_cloud.sensor_origin_[1],point_cloud.sensor_origin_[2]))
 Eigen::Affine3f (point_cloud.sensor_orientation_);
 }  else
 { std::cout << "\nNo *.pcd file given => Genarating example point cloud.\n\n";    for (float x=-0.5f; x<=0.5f; x+=0.01f)
   {      for (float y=-0.5f; y<=0.5f; y+=0.01f)
{ PointType point;  point.x = x;  point.y = y;  point.z = 2.0f- y;
       point_cloud.points.push_back (point);
     }
   }
   point_cloud.width = (int) point_cloud.points.size ();  point_cloud.height = 1;
 }   float noise_level = 0.0;  float min_range = 0.0f;  int border_size = 1;
 boost::shared_ptr<pcl::RangeImage> range_image_ptr(new pcl::RangeImage);
 pcl::RangeImage& range_image = *range_image_ptr;  
 range_image.createFromPointCloud (point_cloud, angular_resolution_x, angular_resolution_y,
pcl::deg2rad (360.0f), pcl::deg2rad (180.0f),
scene_sensor_pose, coordinate_frame, noise_level, min_range, border_size);  
 /*
  创建3D视窗对象,将背景颜色设置为白色,添加黑色的,点云大小为1的深度图像(点云),并使用Main函数
   上面定义的setViewerPose函数设置深度图像的视点参数,被注释的部分用于添加爱坐标系,并对原始点云进行可视化*/
 pcl::visualization::PCLVisualizer viewer ("3D Viewer");     //定义初始化可视化对象
 viewer.setBackgroundColor (1, 1, 1);  //背景设置为白色
 pcl::visualization::PointCloudColorHandlerCustom<pcl::PointWithRange> range_image_color_handler (range_image_ptr, 0, 0, 0); //设置自定义颜色
 viewer.addPointCloud (range_image_ptr, range_image_color_handler, "range image");
viewer.setPointCloudRenderingProperties (pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "range image"); 
viewer.initCameraParameters ();
setViewerPose(viewer, range_image.getTransformationToWorldSystem ());   //用以图像的方式可视化深度图像,图像的颜色取决于深度值
 pcl::visualization::RangeImageVisualizer range_image_widget ("Range image");
 range_image_widget.showRangeImage (range_image);      //图像可视化方式显示深度图像  
 while (!viewer.wasStopped ())//启动主循环以保证可视化代码的有效性,直到可视化窗口关闭  {
range_image_widget.spinOnce ();   //用于处理深度图像可视化类的当前事件
   viewer.spinOnce ();              //用于处理3D窗口当前的事件此外还可以随时更新2D深度图像,以响应可视化窗口中的当前视角,这通过命令行-1来激活
   pcl_sleep (0.01);    
 //首先从窗口中得到当前的观察位置,然后创建对应视角的深度图像,并在图像显示插件中显示
   if (live_update)  
   {
     scene_sensor_pose = viewer.getViewerPose();
     range_image.createFromPointCloud (point_cloud, angular_resolution_x, angular_resolution_y,pcl::deg2rad (360.0f), pcl::deg2rad (180.0f), scene_sensor_pose, pcl::RangeImage::LASER_FRAME, noise_level, min_range, border_size);
 range_image_widget.showRangeImage (range_image);
   }
 }
}

编译结束运行可执行文件的结果为:

运行 ./range_image_visualization(没有指定.pcd文件)

使用自动生成的矩形空间点云,这里有两个窗口,一个是点云的3D可视化窗口,一个是深度图像的可视化窗口,在该窗口图像的颜色由深度决定。

当然如果指定PCD文件也可以 比如:./range_image_visualization room_scan1.pcd 其结果

有兴趣者可以关注微信吧公众号,并可以后台私信我,与我一起学习,进步,同时也可以点击”查看原文“查看我的博客(有最新的提问解答都会及时写在博客里)

本文分享自微信公众号 - 点云PCL(dianyunPCL),作者:石城大海

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-05-27

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • PCL深度图像(2)

    1.深度图像也叫距离影像,是指将从图像采集器到场景中各点的距离(深度)值作为像素值的图像。获取方法有:激光雷达深度成像法、计算机立体视觉成像、坐标测量机法、莫尔...

    点云PCL博主
  • PCL点云特征描述与提取(4)

    这将自动生成一个呈矩形的点云,检测的特征点处在角落处,参数-m是必要的,因为矩形周围的区域观测不到,但是属于边界部分,因此系统无法检测到这部分区域的特征点,选项...

    点云PCL博主
  • PCL中分割方法的介绍(2)

    关于上一篇博文中提到的欧几里德分割法称之为标准的距离分离,当然接下来介绍其他的与之相关的延伸出来的聚类的方法,我称之为条件欧几里德聚类法,(是我的个人理解),这...

    点云PCL博主
  • unity2018版本打包exe,美化exe文件

    当我们用unity2018版本开发完成以后,需要导出可执行文件,unity2018有个坑,就是默认build好的exe文件双击开了进程,却不能运行起来,这时候删...

    用户2235302
  • Vue笔记:VS Code 常用快捷键

    1、Auto Rename Tag 修改 html 标签,自动帮你完成尾部闭合标签的同步修改,和 webstorm 一样。

    朝雨忆轻尘
  • 架构-亿级API网关之道

    三、API的生命周期:Design(设计)、Build(构建)、Test(测试)、Document(文档)、Share(发布)、run(运行)、DownLine...

    凹谷
  • 投融资汇总|本周(12.8-12.14),JDI获得10.3亿美元“援助资金”

    本周硬科技领域投融资事件一共61起,人工智能领域发生27起融资事件和1起收购事件,占比50%;生物医药领域发生11起融资事件和5起收购事件,占比29%;区块链领...

    镁客网
  • 分别基于SVM和ARIMA模型的股票预测 Python实现 附Github源码

    SVM 支持向量机 原理就不赘述了,相关文章可以看这里 支持向量机(SVM)用于上证指数的预测 支持向量机(SVM)入门详解(续)与python实现 支持向...

    机器学习AI算法工程
  • linux系统下对网站实施负载均衡+高可用集群需要考虑的几点

    随着linux系统的成熟和广泛普及,linux运维技术越来越受到企业的关注和追捧。在一些中小企业,尤其是牵涉到电子商务和电子广告类的网站,通常会要求作负载均衡和...

    洗尽了浮华
  • MySQL中关于复制的一些知识点

    今天回家重新看了看《高性能MySQL》这本书里面复制一节,每次看都有不同的收获,这里把我自己觉得比较重要的一些点罗列出来,大家可以温故知新一下:

    AsiaYe

扫码关注云+社区

领取腾讯云代金券