PCL求解规则点云的拟合圆

该文章引用自https://blog.youkuaiyun.com/Asher_zheng/article/details/100019353，https://blog.youkuaiyun.com/baidu_40840693/article/details/103928636
仅作为学习记录

前言

PCL中可通过RANSAC算法来计算一些规则点云的数学模型，并返回模型的参数。
RANSAC算法可用来从点云中提取圆形点云并得到圆形点云的圆心、半径及圆所在平面的法向量（适合于3D Circle）。
在PCL的RANSAC算法模型中，有2D Circle和3D Circle两种圆形模型，以下分作简要介绍。

2D Circle模型

2D Circle模型是从原点云中提取表达式为 (x-a)²+(y-b)²=r² 的点云圆，因此得到的点云是一个圆柱体的侧面，使用方式如下：
(1) 包含头文件：

#include <pcl/sample_consensus/sac_model_circle.h>

(2) 定义模型：

pcl::SampleConsensusModelCircle2D<pcl::PointXYZ>::Ptr model_circle2D
             (new pcl::SampleConsensusModelCircle2D<pcl::PointXYZ>(cloud));
///cloud为要求解拟合圆的点云        

(3) RANSAC提取2D圆形点云：

pcl::RandomSampleConsensus<pcl::PointXYZ> ransac(model_circle2D);
ransac.setDistanceThreshold(.01);
ransac.computeModel();
ransac.getInliers(inliers);

(4) 得到圆心坐标及半径并输出：

Eigen::VectorXf modelParas;
ransac.getModelCoefficients(modelParas);
std::cout << modelParas<< "\n\n";

演示结果为：

第一个原始点云如最左边图所示，右边两张图为此点云应用RANSAC得出2D Circle模型的不同角度，可以看出是一个圆柱体的侧面：

所计算出的圆心坐标及半径如下：

3D Circle模型

3D Circle模型得到的是三维空间的圆形点云，其数学模型可由圆心，半径及圆所在平面的法向量表示，具体计算方式如下：

(1) 包含头文件：

#include <pcl/sample_consensus/sac_model_circle.h>

(2) 定义模型：

pcl::SampleConsensusModelCircle3D<pcl::PointXYZ>::Ptr
		model_circle3D(new pcl::SampleConsensusModelCircle3D<pcl::PointXYZ>(cloud));

(3) RANSAC提取3D圆形点云：

pcl::RandomSampleConsensus<pcl::PointXYZ> ransac(model_circle3D);
ransac.setDistanceThreshold(.01);
ransac.computeModel();
ransac.getInliers(inliers);

(4) 得到模型参数并打印出模型参数：

Eigen::VectorXf modelParas;
ransac.getModelCoefficients(modelParas);
std::cout << modelParas<< "\n\n";

演示结果为：

所计算出的圆心坐标及半径如下，前三个数值为圆心坐标（x, y, z），第四个数值为计算出的圆形点云的半径，最后三个为圆形点云所在平面的法向量：

具体实例

    ///定义了final点云，存放最后的结果
    pcl::PointCloud<pcl::PointXYZ>::Ptr final (new pcl::PointCloud<pcl::PointXYZ>);
    ///存放拟合圆
    std::vector<int> inliersCircle3D;
    
    ///oriCloud_inliers：待求解拟合圆的原始点云
    pcl::SampleConsensusModelCircle3D<PointT>::Ptr socCircle3D(new pcl::SampleConsensusModelCircle3D<PointT> (oriCloud_inliers));
    
    ///求解拟合圆
    pcl::RandomSampleConsensus<PointT>::Ptr ransac ( new pcl::RandomSampleConsensus<PointT> (socCircle3D) );
    ransac->setDistanceThreshold(0.1f);
    ransac->computeModel();
    ransac->getInliers(inliersCircle3D);
    
    ///获取拟合圆的参数
    Eigen::VectorXf circle_coeff;
    ransac->getModelCoefficients(circle_coeff);
   
    PointCloud::Ptr finalCircle3D(new PointCloud);
    pcl::copyPointCloud (*oriCloud_inliers, inliersCircle3D, *finalCircle3D);
    std::cout<<"circle_coeff "<<"rows="<<circle_coeff.rows()<<"cols="<<circle_coeff.cols()<<"coefficeints="<<circle_coeff.size()<<std::endl;
    
    ///可视化
    pcl::visualization::PointCloudColorHandlerCustom<PointT> color_handler5(finalCircle3D, 230, 50, 12);//红色
    view->addPointCloud(finalCircle3D, color_handler5, "CH5");

copyPointCloud()函数

常见的使用方法有两种：

Part 1：完全拷贝到新的点云之中：pcl::copyPointCloud (const pcl::PointCloud &cloud_in,pcl::PointCloud &cloud_out)

pcl::PointCloud<pcl::PointXYZ>::Ptr src(new pcl::PointCloud<pcl::PointXYZ>);
pcl::PointCloud<pcl::PointNormal>::Ptr src_PN(new pcl::PointCloud<pcl::PointNormal>);

pcl::io::loadPCDFile("src.pcd",*src);//载入原数据
pcl::io::loadPCDFile("src_pn.pcd", *src_PN);//载入原数据

pcl::copyPointCloud(*src, *src_PN);//src中的xyz覆盖掉src_PN中的xyz值

pcl::io::savePCDFile("src_with_normal.pcd", *src_PN);

Part 2:部分索引的使用：pcl::copyPointCloud (const pcl::PointCloud &cloud_in, const std::vector &indices,pcl::PointCloud &cloud_out)

pcl::PointCloud<pcl::PointXYZ>::Ptr src(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile("src.pcd",*src);
pcl::PointCloud<pcl::PointXYZ>::Ptr cloudout(new pcl::PointCloud<pcl::PointXYZ>);
std::vector<int>indexs = { 0,2,6 };//索引
pcl::copyPointCloud(*src, indexs, *cloudout);
pcl::io::savePCDFile("cloud_out.pcd", *cloudout);//只取src中的第1，第3个，第7个点赋值到新的cloudout中。