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

该代码通过拟合直线模型，将点云投影到该直线上，并输出投影后的点云。

1.1原理

点云投影到直线的过程主要包括以下两步：

1. 空间直线拟合：利用随机采样一致性（RANSAC）算法拟合一条空间直线，选择出点云中最符合直线模型的内点。
2. 点云投影：通过几何模型的参数，将原始点云中的每个点投影到拟合的直线上。

直线的参数由直线的起点 (x₀, y₀, z₀) 和方向向量 (a, b, c) 共同决定，投影点的位置通过直线的几何公式进行计算。

1.2实现步骤

1. 加载点云数据。
2. 使用RANSAC算法拟合直线模型，提取符合模型的内点。
3. 获取拟合直线的参数。
4. 创建滤波器，将点云投影到拟合的直线上。
5. 保存并输出投影后的点云数据。

1.3应用场景

1. 工业检测：适用于检测长直杆状物体或轨迹的点云数据处理。
2. 3D重建：在3D场景中，通过拟合直线和投影来简化建模。
3. 自动化装配：直线投影可以用于物体路径规划。

二、代码实现

2.1关键函数

2.1.1 RANSAC直线拟合

#include <pcl/sample_consensus/ransac.h>
#include <pcl/sample_consensus/sac_model_line.h>

// 使用RANSAC拟合直线
void fitLineWithRANSAC(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,
    Eigen::VectorXf& lineCoefs, std::vector<int>& inliers)
{
    pcl::SampleConsensusModelLine<pcl::PointXYZ>::Ptr modelLine(
        new pcl::SampleConsensusModelLine<pcl::PointXYZ>(cloud));  // 创建直线模型
    pcl::RandomSampleConsensus<pcl::PointXYZ> ransac(modelLine);  // 创建RANSAC对象
    ransac.setDistanceThreshold(0.01);  // 设置内点距离阈值
    ransac.setMaxIterations(1000);  // 设置最大迭代次数
    ransac.computeModel();  // 执行RANSAC拟合
    ransac.getInliers(inliers);  // 获取内点索引
    ransac.getModelCoefficients(lineCoefs);  // 获取直线模型参数
}

2.1.2 点云投影到拟合直线

#include <pcl/filters/project_inliers.h>

// 投影点云到拟合的直线
void projectPointCloudToLine(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,
    Eigen::VectorXf& lineCoefs,
    pcl::PointCloud<pcl::PointXYZ>::Ptr projectedCloud)
{
    pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients());
    coefficients->values.resize(6);
    for (int i = 0; i < 6; ++i) {
        coefficients->values[i] = lineCoefs[i];  // 获取直线的6个参数
    }

    pcl::ProjectInliers<pcl::PointXYZ> proj;
    proj.setModelType(pcl::SACMODEL_LINE);
    proj.setInputCloud(cloud);
    proj.setModelCoefficients(coefficients);
    proj.filter(*projectedCloud);  // 投影点云到直线上
}

2.1.3 可视化原始点云和投影点云

#include <pcl/visualization/pcl_visualizer.h>

// 可视化原始点云和投影点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,
    pcl::PointCloud<pcl::PointXYZ>::Ptr projectedCloud)
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Point Cloud Visualization"));

    int vp1, vp2;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp1);
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp1);  // 白色背景
    viewer->addText("Original Point Cloud", 10, 10, "vp1_text", vp1);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color(cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud(cloud, cloud_color, "original_cloud", vp1);

    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp2);
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp2);  // 浅灰色背景
    viewer->addText("Projected Point Cloud", 10, 10, "vp2_text", vp2);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> projected_color(projectedCloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud(projectedCloud, projected_color, "projected_cloud", vp2);

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
        boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }
}

2.2完整代码

#include <pcl/io/pcd_io.h>
#include <pcl/sample_consensus/ransac.h>
#include <pcl/sample_consensus/sac_model_line.h>
#include <pcl/filters/project_inliers.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>

using namespace std;

// 使用RANSAC拟合直线
void fitLineWithRANSAC(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,
    Eigen::VectorXf& lineCoefs, std::vector<int>& inliers)
{
    pcl::SampleConsensusModelLine<pcl::PointXYZ>::Ptr modelLine(
        new pcl::SampleConsensusModelLine<pcl::PointXYZ>(cloud));  // 创建直线模型
    pcl::RandomSampleConsensus<pcl::PointXYZ> ransac(modelLine);  // 创建RANSAC对象
    ransac.setDistanceThreshold(0.01);  // 设置内点距离阈值
    ransac.setMaxIterations(1000);  // 设置最大迭代次数
    ransac.computeModel();  // 执行RANSAC拟合
    ransac.getInliers(inliers);  // 获取内点索引
    ransac.getModelCoefficients(lineCoefs);  // 获取直线模型参数
}

// 投影点云到拟合的直线
void projectPointCloudToLine(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,
    Eigen::VectorXf& lineCoefs,
    pcl::PointCloud<pcl::PointXYZ>::Ptr projectedCloud)
{
    pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients());
    coefficients->values.resize(6);
    for (int i = 0; i < 6; ++i) {
        coefficients->values[i] = lineCoefs[i];  // 获取直线的6个参数
    }

    pcl::ProjectInliers<pcl::PointXYZ> proj;
    proj.setModelType(pcl::SACMODEL_LINE);
    proj.setInputCloud(cloud);
    proj.setModelCoefficients(coefficients);
    proj.filter(*projectedCloud);  // 投影点云到直线上
}

// 可视化原始点云和投影点云
void visualizePointClouds(
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,
    pcl::PointCloud<pcl::PointXYZ>::Ptr projectedCloud)
{
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Point Cloud Visualization"));

    int vp1, vp2;
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp1);
    viewer->setBackgroundColor(1.0, 1.0, 1.0, vp1);  // 白色背景
    viewer->addText("Original Point Cloud", 10, 10, "vp1_text", vp1);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color(cloud, 255, 0, 0);  // 红色
    viewer->addPointCloud(cloud, cloud_color, "original_cloud", vp1);

    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp2);
    viewer->setBackgroundColor(0.98, 0.98, 0.98, vp2);  // 浅灰色背景
    viewer->addText("Projected Point Cloud", 10, 10, "vp2_text", vp2);
    pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> projected_color(projectedCloud, 0, 255, 0);  // 绿色
    viewer->addPointCloud(projectedCloud, projected_color, "projected_cloud", vp2);

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
        boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }
}

int main()
{
    // 加载点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    if (pcl::io::loadPCDFile("bunny.pcd", *cloud) < 0)
    {
        PCL_ERROR("点云文件不存在");
        return -1;
    }
    std::cout << "加载点云个数为：" << cloud->points.size() << std::endl;

    // RANSAC直线拟合
    Eigen::VectorXf lineCoefs;
    std::vector<int> inliers;
    fitLineWithRANSAC(cloud, lineCoefs, inliers);

    // 投影到拟合直线
    pcl::PointCloud<pcl::PointXYZ>::Ptr lineProCloud(new pcl::PointCloud<pcl::PointXYZ>);
    projectPointCloudToLine(cloud, lineCoefs, lineProCloud);

    // 保存投影点云
    //pcl::io::savePCDFileBinary("lineProCloud.pcd", *lineProCloud);

    // 可视化原始点云和投影点云
    visualizePointClouds(cloud, lineProCloud);

    return 0;
}

三、实现效果