PCL MLS上采样(基于法向量）

news2024/11/18 1:30:52

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

2.1.1 可视化原始点云和上采样后的点云

2.1.2 MLS 上采样

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

MLS（Moving Least Squares）上采样是一种用于平滑化和重建点云表面的技术。通过在点云中计算局部的加权平均，MLS 可以生成光滑的表面，并填补点云中的孔洞。此方法特别适合处理稀疏或有噪声的点云数据。

1.1原理

MLS 上采样的核心原理是通过计算点的邻域来拟合一个局部表面（例如平面或曲面）。每个点会根据其邻域内的其他点进行调整，生成新的点，从而实现上采样。利用法线信息可以提升表面细节的保留。

1.2实现步骤

读取点云数据。
设置 MLS 算法的参数，包括搜索半径和拟合选项。
进行上采样处理。
可视化原始点云和上采样后的点云。

1.3应用场景

点云平滑：去除点云中的噪声。
表面重建：在稀疏点云中填补孔洞。
特征保留：保持点云的几何特征。

二、代码实现

2.1关键函数

2.1.1 可视化原始点云和上采样后的点云

通过设置不同的视口和背景颜色，分别显示原始点云和上采样后的点云。

#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和上采样后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 原始点云
    pcl::PointCloud<pcl::PointNormal>::Ptr upsampled_cloud)  // 上采样后的点云
{
    // 创建可视化器
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("MLS Upsampling Viewer"));

    // 设置视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 创建左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);  // 设置白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);  // 添加标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 0, 255, 0);  // 设置颜色为绿色
    viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);  // 添加点云

    // 设置视口2，显示上采样后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 创建右侧窗口
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);  // 设置浅灰色背景
    viewer->addText("Upsampled PointCloud", 10, 10, "vp2_text", vp_2);  // 添加标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointNormal> upsampled_color_handler(upsampled_cloud, 255, 0, 0);  // 设置颜色为红色
    viewer->addPointCloud(upsampled_cloud, upsampled_color_handler, "upsampled_cloud", vp_2);  // 添加上采样点云

    // 设置点的大小
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "upsampled_cloud", vp_2);

    // 启动可视化循环
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);  // 刷新可视化器
    }
}

2.1.2 MLS 上采样

在这个部分，我们设置 MLS 的参数并执行上采样处理。

// -----------------------------MLS 上采样---------------------------------
pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointNormal> mls;  // 创建 MLS 上采样对象
mls.setInputCloud(cloud);  // 设置输入点云

// 设置 Kd 树搜索
pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());  // 创建 Kd 树
mls.setSearchMethod(tree);  // 将 Kd 树设置为搜索方法

// 设置 MLS 参数
mls.setSearchRadius(0.1);  // 设置邻域搜索半径
mls.setComputeNormals(true);  // 启用法线计算，这对 MLS 处理非常重要
mls.setPolynomialFit(true);  // 启用多项式拟合，以便在每个局部邻域内进行表面拟合
mls.setUpsamplingMethod(pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointNormal>::SAMPLE_LOCAL_PLANE);  // 设置上采样方法为局部平面采样
mls.setUpsamplingRadius(0.04);  // 设置上采样半径，控制新点的生成
mls.setUpsamplingStepSize(0.02);  // 设置上采样步长，控制点的分布
mls.setPolynomialOrder(2);  // 设置多项式拟合的阶数，通常选择2以获得较好的平滑效果

// 执行上采样处理
pcl::PointCloud<pcl::PointNormal>::Ptr upsampled_cloud(new pcl::PointCloud<pcl::PointNormal>);  // 存储上采样后的点云
mls.process(*upsampled_cloud);  // 进行上采样处理
std::cout << "上采样后点云的个数：" << upsampled_cloud->points.size() << std::endl;  // 输出上采样后的点云数量

2.2完整代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/surface/mls.h>
#include <pcl/search/kdtree.h>
#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和上采样后的点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 原始点云
    pcl::PointCloud<pcl::PointNormal>::Ptr upsampled_cloud)  // 上采样后的点云
{
    // 创建可视化器
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("MLS Upsampling Viewer"));

    // 设置视口1，显示原始点云
    int vp_1;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 创建左侧窗口
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);  // 设置白色背景
    viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);  // 添加标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 0, 255, 0);  // 设置颜色为绿色
    viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);  // 添加点云

    // 设置视口2，显示上采样后的点云
    int vp_2;
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 创建右侧窗口
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp_2);  // 设置浅灰色背景
    viewer->addText("Upsampled PointCloud", 10, 10, "vp2_text", vp_2);  // 添加标题
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointNormal> upsampled_color_handler(upsampled_cloud, 255, 0, 0);  // 设置颜色为红色
    viewer->addPointCloud(upsampled_cloud, upsampled_color_handler, "upsampled_cloud", vp_2);  // 添加上采样点云

    // 设置点的大小
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "original_cloud", vp_1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "upsampled_cloud", vp_2);

    // 启动可视化循环
    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);  // 刷新可视化器
    }
}

int main(int argc, char** argv)
{
    // -----------------------------读取点云数据---------------------------------
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile<pcl::PointXYZ>("rectangle_cloud.pcd", *cloud) == -1)
    {
        PCL_ERROR("Couldn't read the PCD file!\n");
        return -1;  // 返回错误
    }
    std::cout << "原始点云的个数：" << cloud->points.size() << std::endl;  // 输出原始点云数量

    // -----------------------------MLS 上采样---------------------------------
    pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointNormal> mls;  // 创建 MLS 上采样对象
    mls.setInputCloud(cloud);  // 设置输入点云

    // 设置 Kd 树搜索
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());
    mls.setSearchMethod(tree);  // 将 Kd 树设置为搜索方法

    // 设置 MLS 参数
    mls.setSearchRadius(0.1);  // 设置邻域搜索半径
    mls.setComputeNormals(true);  // 启用法线计算，这对 MLS 处理非常重要
    mls.setPolynomialFit(true);  // 启用多项式拟合，以便在每个局部邻域内进行表面拟合
    mls.setUpsamplingMethod(pcl::MovingLeastSquares<pcl::PointXYZ, pcl::PointNormal>::SAMPLE_LOCAL_PLANE);  // 设置上采样方法为局部平面采样
    mls.setUpsamplingRadius(0.04);  // 设置上采样半径，控制新点的生成
    mls.setUpsamplingStepSize(0.02);  // 设置上采样步长，控制点的分布
    mls.setPolynomialOrder(2);  // 设置多项式拟合的阶数，通常选择2以获得较好的平滑效果

    pcl::PointCloud<pcl::PointNormal>::Ptr upsampled_cloud(new pcl::PointCloud<pcl::PointNormal>);  // 存储上采样后的点云
    mls.process(*upsampled_cloud);  // 执行上采样处理
    std::cout << "上采样后点云的个数：" << upsampled_cloud->points.size() << std::endl;  // 输出上采样后点云数量

    // -----------------------------可视化原始点云和上采样后的点云---------------------------------
    visualizePointClouds(cloud, upsampled_cloud);  // 可视化函数

    return 0;
}