PCL addLine可视化K近邻

目录

一、概述

1.1原理

1.2实现步骤

1.3应用场景

二、代码实现

2.1关键函数

2.2完整代码

三、实现效果


PCL点云算法汇总及实战案例汇总的目录地址链接:

PCL点云算法与项目实战案例汇总(长期更新)


一、概述

本文将介绍如何使用PCL库中的 addLine 方法可视化K近邻搜索的结果。**K近邻搜索(K-Nearest Neighbors, KNN)用于查找点云中与查询点最近的K个点。可视化K近邻搜索的结果有助于直观地理解点与其邻居之间的空间关系。**我们将在点云中绘制查询点与其K个最近邻点之间的连线,并将其可视化。

1.1原理

K近邻搜索的基本原理是通过KD树(k-D Tree)对点云数据进行高效的空间索引和查询。KD树通过递归地将数据空间划分为多个超平面,以便快速查找与查询点距离最近的K个点。通过在查询点与这些邻近点之间绘制连线,我们可以直观地看到查询点与其最近邻点的关系。

1.2实现步骤

  1. 读取点云数据并构建KD树。
  2. 执行K近邻搜索,找到与查询点最近的K个点。
  3. 在查询点与其K个最近邻点之间绘制连线。
  4. 将原始点云、查询点及其近邻关系进行可视化展示。

1.3应用场景

  1. **邻域分析:**分析点云中某点的局部邻域结构,应用于点云滤波、配准等任务。
  2. **数据可视化:**通过可视化邻域关系,直观展示点云数据中点的分布及空间关系。
  3. **3D特征检测:**在3D特征提取中,通过邻域关系识别点云中的几何特征。

二、代码实现

2.1关键函数

  • **nearestKSearch:**执行K近邻搜索,找到指定点的K个最近邻点。
  • **addLine:**在查询点与其K个最近邻点之间绘制连线。
  • **pcl::visualization::PCLVisualizer:**用于可视化点云和K近邻搜索结果。

2.2完整代码

python 复制代码
#include <iostream>
#include <vector>
#include <pcl/io/pcd_io.h>  // 用于加载PCD文件
#include <pcl/point_types.h>  // PCL点类型定义
#include <pcl/kdtree/kdtree_flann.h>  // KD树近邻搜索
#include <pcl/visualization/pcl_visualizer.h>  // PCL可视化相关定义

using namespace std;

int main()
{
    // --------------------------------读取点云------------------------------------
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

    // 加载PCD文件中的点云数据
    if (pcl::io::loadPCDFile<pcl::PointXYZ>("bunny.pcd", *cloud) == -1)
    {
        PCL_ERROR("Couldn't read file!");  // 如果文件加载失败,输出错误信息
        return -1;  // 返回错误代码并退出程序
    }

    // -----------------------------K近邻搜索---------------------------------
    pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;  // 创建KD树对象
    kdtree.setInputCloud(cloud);  // 设置KD树的输入点云

    // 定义查询点,选择点云中的某个点作为查询点
    pcl::PointXYZ searchPoint = cloud->points[2000];  // 这里假设使用点云中的第2000个点

    int K = 1000;  // 设置K值,表示查找的最近邻点的数量
    vector<int> pointIdxNKNSearch(K);  // 用于存储最近邻点的索引
    vector<float> pointNKNSquaredDistance(K);  // 用于存储最近邻点与查询点之间的距离平方值

    // 执行K近邻搜索
    if (kdtree.nearestKSearch(searchPoint, K, pointIdxNKNSearch, pointNKNSquaredDistance) > 0)
    {
        // 如果搜索成功,将搜索到的邻近点存储到pointIdxNKNSearch中
    }

    // -----------------------------结果可视化------------------------------------
    // 创建PCLVisualizer对象,用于显示点云和邻近关系
    boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));
    viewer->setBackgroundColor(0, 0, 0);  // 设置背景颜色为黑色

    // 将原始点云添加到可视化窗口,并设置颜色为绿色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> single_color(cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud<pcl::PointXYZ>(cloud, single_color, "sample cloud");

    // 将查询点标记为红色
    pcl::PointCloud<pcl::PointXYZ>::Ptr searchPointCloud(new pcl::PointCloud<pcl::PointXYZ>());
    searchPointCloud->points.push_back(searchPoint);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> red_color(searchPointCloud, 255, 0, 0);  // 红色
    viewer->addPointCloud<pcl::PointXYZ>(searchPointCloud, red_color, "search point");
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 5, "search point");  // 设置查询点的大小

    // 在查询点与其K个最近邻点之间绘制连线
    for (size_t i = 0; i < pointIdxNKNSearch.size(); ++i)
    {
        // 获取最近邻点的坐标
        pcl::PointXYZ neighborPoint = cloud->points[pointIdxNKNSearch[i]];

        // 添加从查询点到该邻近点的连线,颜色为白色
        viewer->addLine<pcl::PointXYZ>(searchPoint, neighborPoint, 255, 255, 255, "line" + std::to_string(i));
    }

    // 进入主循环,保持窗口打开
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);  // 刷新窗口
        //boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }

    return 0;  // 程序结束
}

三、实现效果

相关推荐
昨日之日20062 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_2 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover2 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川3 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程
励志成为嵌入式工程师4 小时前
c语言简单编程练习9
c语言·开发语言·算法·vim
捕鲸叉4 小时前
创建线程时传递参数给线程
开发语言·c++·算法
A charmer4 小时前
【C++】vector 类深度解析:探索动态数组的奥秘
开发语言·c++·算法
Peter_chq4 小时前
【操作系统】基于环形队列的生产消费模型
linux·c语言·开发语言·c++·后端
wheeldown5 小时前
【数据结构】选择排序
数据结构·算法·排序算法
阡之尘埃5 小时前
Python数据分析案例61——信贷风控评分卡模型(A卡)(scorecardpy 全面解析)
人工智能·python·机器学习·数据分析·智能风控·信贷风控