点云转深度图：转换，保存，可视化

三维数据的获取方式

在计算机视觉和遥感领域，点云可以通过四种主要的技术获得，
（1）根据图像衍生而得，比如通过双目相机，
（2）基于RGBD相机获取点云
（3）基于光探测距离和测距系统比如lidar,
（4）Synthetic Aperture Radar (SAR)系统获取，基于这些不同的原理系统获取的点云数据，其数据的特征和应用的范围也是多种多样

RGBD相机和深度图

（1）深度图的原理：用深度值z值 当作像素值
（2）深度图获取原理：

代码展示：在pcl中，把点云转为深度图，并保存和可视化

#include <iostream>
#include <pcl/io/pcd_io.h> 
#include <pcl/common/common_headers.h>
#include <pcl/range_image/range_image.h> //点云转深度头文件
#include <pcl/visualization/range_image_visualizer.h> //深度图像可视化
#include <pcl/visualization/pcl_visualizer.h>//点云可视化
#include <boost/thread/thread.hpp>//多线程
#include <pcl/io/png_io.h>//保存深度图像
#include <pcl/visualization/common/float_image_utils.h>//保存深度图像
int main(int argc, char** argv) {
	pcl::PointCloud<pcl::PointXYZ>::Ptr pointCloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::io::loadPCDFile("D:/zmy_719/vs_pcl/bun0.pcd", *pointCloud);

	//以1度为角分辨率，从上面创建的点云创建深度图像。
	//深度图像中的一个像素对应的角度大小1°，角度转弧度
	float angularResolution = (float)(1.0f * (M_PI / 180.0f));
	
	// 360.0度转弧度，扫描的水平宽度是360°
	float maxAngleWidth = (float)(360.0f * (M_PI / 180.0f));

	// 180.0度转弧度，扫描的垂直高度是180°
	float maxAngleHeight = (float)(180.0f * (M_PI / 180.0f));

	//采集位置，传感器的初始位姿
	Eigen::Affine3f sensorPose = (Eigen::Affine3f)Eigen::Translation3f(0.0f, 0.0f, 0.0f);
	
	//选择的系统 X轴是向右，Y轴向下，Z轴向前
	//如果选择是LASER_FRAME,则X轴向前，Y轴向左，Z轴向上
	pcl::RangeImage::CoordinateFrame coordinate_frame = pcl::RangeImage::CAMERA_FRAME;
	
	//noiseLevel如果设置为0.05就是5cm为半径的圆内的所有点的平均值，得到的深度值为准
	float noiseLevel = 0.00;

	//minRange大于0，假设为r，那么r内的所有点被忽略，为盲区
	float minRange = 0.0f;
	int borderSize = 1;

	//-------------------生成深度图像------------------------
	pcl::RangeImage::Ptr rangeImage_ptr(new pcl::RangeImage);
	pcl::RangeImage& rangeImage = *rangeImage_ptr;
	rangeImage.createFromPointCloud(*pointCloud, angularResolution, maxAngleWidth, maxAngleHeight, sensorPose, coordinate_frame, noiseLevel, minRange, borderSize);
	//-------------------读取深度图像信息------------------------
	std::cout << rangeImage << "\n";

	//-------------------深度图的保存------------------------
	float* ranges = rangeImage.getRangesArray();
	unsigned char* rgb_image = pcl::visualization::FloatImageUtils::getVisualImage(ranges, rangeImage.width, rangeImage.height);
	pcl::io::saveRgbPNGFile("RangeImage.png", rgb_image, rangeImage.width, rangeImage.height);

	//------------------可视化点云----------------------
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer1(new pcl::visualization::PCLVisualizer("PointCloud Viewer"));
	//设置背景颜色
	viewer1->setBackgroundColor(0, 0, 0);
	//添加点云
	viewer1->addPointCloud(pointCloud, "point cloud");
	viewer1->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 0, 0, 1, "point cloud");
	viewer1->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "point cloud");
		
	//------------------可视化深度图像----------------------
	//方法一：从点云中可视化深度图像
	boost::shared_ptr<pcl::visualization::PCLVisualizer>viewer(new pcl::visualization::PCLVisualizer("RangeImage Viewer"));
	viewer->setBackgroundColor(0, 0, 0);  //设置背景颜色为黑色
	pcl::visualization::PointCloudColorHandlerGenericField<pcl::PointWithRange> range_image_color_handler(rangeImage_ptr, "z");
	viewer->addPointCloud(rangeImage_ptr, range_image_color_handler, "range image");
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 5, "range image");
	viewer->initCameraParameters();

	//方法二：以图像的形式显示深度图像，深度值作为颜色显示
	pcl::visualization::RangeImageVisualizer range_image_widget("Range image");
	range_image_widget.setWindowTitle("RangeImage");
	range_image_widget.showRangeImage(rangeImage);
	range_image_widget.setSize(1000, 1000);

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

	system("pause");
	return 0;
}

结果展示：



代码参考：PCL官网
版权声明：本文为优快云博主「点云处理Zzz」的原创文章，遵循CC 4.0 BY - SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.youkuaiyun.com/adfjadsklf/article/details/119082844