基于区域增长的点云分割

Region growing segmentation（基于区域增长的点云分割）

http://pointclouds.org/documentation/tutorials/region_growing_segmentation.php#region-growing-segmentation

pcl::RegionGrowing （该类在PCL 1.7.0才有的）

pcl ::NormalEstimation 计算法向量

算法思路：

1. 选择种子点：在当前点集A中选择有最小曲率的点加入种子点集
2. 区域增长：寻找种子点的邻域点，对于位于A中且与种子点的法向量夹角小于阈值的邻域点，将其加入当前区域中，如果其曲率小于阈值则也加入种子点集
3. 对于每个种子点，重复2，最终输出一组类，每个类的点都认为是同一平滑表面的一部分。

region_growing_segmentation.cpp

#include  <iostream>

#include  <vector>

#include  <pcl/point_types.h>

#include  <pcl/io/pcd_io.h>

#include  <pcl/search/search.h>

#include  <pcl/search/kdtree.h>

#include  <pcl/features/normal_3d.h>

#include  <pcl/visualization/cloud_viewer.h>

# include  <pcl/filters/passthrough.h>

#include  <pcl/segmentation/region_growing.h>

int

main ( int argc,  char ** argv)

{

  pcl ::PointCloud <pcl ::PointXYZ >::Ptr cloud ( new pcl ::PointCloud <pcl ::PointXYZ >);
  if ( pcl ::io ::loadPCDFile  <pcl ::PointXYZ > ( "region_growing_tutorial.pcd",  *cloud)  ==  - 1)
  {
    std ::cout  <<  "Cloud reading failed."  << std ::endl;
    return ( - 1);
  }

  pcl ::search ::Search <pcl ::PointXYZ >::Ptr tree  = boost ::shared_ptr <pcl ::search ::Search <pcl ::PointXYZ >  > ( new pcl ::search ::KdTree <pcl ::PointXYZ >);
  pcl ::PointCloud  <pcl ::Normal >::Ptr normals ( new pcl ::PointCloud  <pcl ::Normal >);
  pcl ::NormalEstimation <pcl ::PointXYZ, pcl ::Normal > normal_estimator;
  normal_estimator.setSearchMethod (tree);
  normal_estimator.setInputCloud (cloud);
  normal_estimator.setKSearch ( 50);
  normal_estimator.compute ( *normals);

  pcl ::IndicesPtr indices ( new std ::vector  < int >);
  pcl ::PassThrough <pcl ::PointXYZ > pass;
  pass.setInputCloud (cloud);
  pass.setFilterFieldName ( "z");
  pass.setFilterLimits ( 0.0,  1.0);
  pass.filter ( *indices);

  pcl ::RegionGrowing <pcl ::PointXYZ, pcl ::Normal > reg;
  reg.setMinClusterSize ( 50);
  reg.setMaxClusterSize ( 1000000);
  reg.setSearchMethod (tree);
  reg.setNumberOfNeighbours ( 30);
  reg.setInputCloud (cloud);
  //reg.setIndices (indices);
  reg.setInputNormals (normals);
  reg.setSmoothnessThreshold ( 3.0  /  180.0  * M_PI);
  reg.setCurvatureThreshold ( 1.0);

  std ::vector  <pcl ::PointIndices > clusters;
  reg.extract (clusters);

  std ::cout  <<  "Number of clusters is equal to "  << clusters.size ()  << std ::endl;
  std ::cout  <<  "First cluster has "  << clusters[ 0].indices.size ()  <<  " points."  << endl;
  std ::cout  <<  "These are the indices of the points of the initial"  <<
    std ::endl  <<  "cloud that belong to the first cluster:"  << std ::endl;
  int counter  =  0;
  while (counter  < clusters[ 0].indices.size ())
  {
    std ::cout  << clusters[ 0].indices[counter]  <<  ", ";
    counter ++;
    if (counter  %  10  ==  0)
      std ::cout  << std ::endl;
  }
  std ::cout  << std ::endl;

  pcl ::PointCloud  <pcl ::PointXYZRGB >::Ptr colored_cloud  = reg.getColoredCloud ();
  pcl ::visualization ::CloudViewer viewer ( "Cluster viewer");
  viewer.showCloud(colored_cloud);
  while ( !viewer.wasStopped ())
  {
  }

  return ( 0);

}

CMakeLists.txt 

cmake_minimum_required( VERSION  2.8  FATAL_ERROR)

project( region_growing_segmentation)

find_package( PCL  1.5  REQUIRED)

include_directories( ${ PCL_INCLUDE_DIRS }) link_directories( ${ PCL_LIBRARY_DIRS }) add_definitions( ${ PCL_DEFINITIONS })

add_executable ( region_growing_segmentation  region_growing_segmentation.cpp) target_link_libraries ( region_growing_segmentation  ${ PCL_LIBRARIES })