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库进行点云的圆柱邻域搜索，并将搜索到的结果进行可视化展示。圆柱邻域搜索是一种特定的邻域搜索方法，通过在点云中查找某一特定点周围的邻域，分析和处理圆柱形物体的点云数据。

1.1原理

        圆柱邻域搜索的基本思想是通过KD树（k-D Tree）进行半径搜索，但搜索时仅考虑投影到特定平面（如XY平面）上的点，形成圆柱形的搜索邻域。KD树是一种高效的空间数据结构，用于组织和查询多维数据点。在PCL中，KD树能够快速找到某点周围指定半径内的邻近点。

1.2实现步骤

1. 读取点云数据。
2. 对点云进行平面投影，生成圆柱形邻域搜索的基准点云。
3. 使用KD树执行半径搜索，找到圆柱体邻域内的点。
4. 将搜索到的邻域点和原始点云进行可视化展示。

1.3应用场景

1. 圆柱体检测：在点云数据中，检测圆柱形物体或分析圆柱体周围的点云。
2. 管道检测：分析管道内部或外部的点云数据，查找与管道形状相符合的邻域点。
3. 3D重建：在三维点云中，对圆柱形状物体进行建模或重建。

二、代码实现

2.1关键函数

• pcl::KdTreeFLANN：用于构建KD树和执行搜索操作。

• radiusSearch：执行圆柱邻域搜索，找到指定半径内的所有邻域点。

• pcl::visualization::PCLVisualizer：用于可视化点云数据。

2.2完整代码

#include <iostream>
#include <vector>
#include <pcl/io/pcd_io.h>  // 用于加载PCD文件的头文件
#include <pcl/point_types.h>  // PCL点类型定义的头文件
#include <pcl/kdtree/kdtree_flann.h>  // KD树近邻搜索的头文件
#include <boost/thread/thread.hpp>
#include <pcl/visualization/pcl_visualizer.h>  // PCL可视化相关定义的头文件

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>("person2.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
    }

    // -----------------------------圆柱形邻域搜索---------------------------------
    pcl::PointCloud<pcl::PointXYZ>::Ptr cylindCloud(new pcl::PointCloud<pcl::PointXYZ>);
    cylindCloud->resize(cloud->size());  // 调整圆柱点云的大小与原始点云一致

    // 将点云投影到XY平面上（Z坐标设置为0），生成平面投影点云
    for (size_t i = 0; i < cloud->size(); ++i)
    {
        cylindCloud->points[i].x = cloud->points[i].x;
        cylindCloud->points[i].y = cloud->points[i].y;
        cylindCloud->points[i].z = 0.0;  // 将Z坐标设为0，投影到XY平面
    }

    // 创建KD树对象，用于快速查找邻域
    pcl::KdTreeFLANN<pcl::PointXYZ> kdtree;
    kdtree.setInputCloud(cylindCloud);  // 设置KD树的输入点云为平面投影点云

    // 选择一个点作为查询点，定义圆柱体的搜索中心
    pcl::PointXYZ searchPoint = cylindCloud->points[200];  // 设置查询点为第2920个点
    float radius = 0.3;  // 定义查找半径范围为0.3单位

    // 用于存储找到的邻域点的索引和对应的距离
    vector<int> pointIdxRadiusSearch;  // 保存每个邻域点的索引
    vector<float> pointRadiusSquaredDistance;  // 保存每个邻域点与查找点之间的距离平方值

    // 创建点云对象result用于存储搜索到的邻域点
    pcl::PointCloud<pcl::PointXYZ>::Ptr result(new pcl::PointCloud<pcl::PointXYZ>);
    if (kdtree.radiusSearch(searchPoint, radius, pointIdxRadiusSearch, pointRadiusSquaredDistance) > 0)
    {
        // 如果搜索成功，将原始点云中对应索引的点复制到result点云中
        pcl::copyPointCloud(*cloud, pointIdxRadiusSearch, *result);
    }

    // -------------------------------结果可视化------------------------------------
    boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));
    viewer->setWindowName("圆柱形邻域搜索");  // 设置窗口名称

    // 设置原始点云的颜色为绿色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> single_color(cloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud<pcl::PointXYZ>(cloud, single_color, "sample cloud");  // 添加原始点云到可视化窗口

    // 设置圆柱邻域内点云的颜色为红色
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cylind_color(cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud<pcl::PointXYZ>(result, cylind_color, "cylind cloud");  // 添加邻域点云到可视化窗口
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "cylind cloud");  // 设置邻域点云点的大小

    // 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));  // 等待100ms
    }

    return 0;  // 程序结束
}

三、实现效果