【PCL】教程concave_hull_2d.cpp 对点云进行过滤、分割、投影以及凹包构建-优快云博客

本文链接：https://blog.youkuaiyun.com/cxyhjl/article/details/137982851

文章详细描述了一个使用PCL库进行3D点云处理的程序，包括过滤、分割、投影和构建凹包等步骤，旨在生成目标物体的凹包表示，用于后续物体识别或分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

[done, 599.439 ms : 307200 points]
Available dimensions: x y z rgb

原始点云

PointCloud after filtering has: 139656 data points.
PointCloud after segmentation has: 123727 inliers.
PointCloud after projection has: 139656 data points.
Concave hull has: 457 data points.

[done, 438.018 ms : 457 points]
Available dimensions: x y z

投影后点云凸包

该段代码是一个使用PCL（Point Cloud Library，点云库）进行点云处理的完整程序。程序的主要过程如下：

首先，初始化三个pcl::PointCloud<pcl::PointXYZ>智能指针，cloud用于存储原始点云数据，cloud_filtered用于存储过滤后的点云数据，cloud_projected用于存储投影后的点云数据。
使用pcl::PCDReader对象读取名为"table_scene_mug_stereo_textured.pcd"的PCD文件到cloud中。
使用pcl::PassThrough<pcl::PointXYZ>过滤器来移除点云中的NaN值，同时根据z字段的范围（0到1.1）来裁剪点云，以移除场景背景，结果存入cloud_filtered。
初始化pcl::ModelCoefficients和pcl::PointIndices，以存储模型系数和分割得到的内点索引。
创建pcl::SACSegmentation<pcl::PointXYZ>对象进行分割操作，设置模型类型为平面(pcl::SACMODEL_PLANE)，方法类型为RANSAC(pcl::SAC_RANSAC)，并设定距离阈值为0.01。将cloud_filtered作为输入进行分割，并将内点索引存入inliers