【PCL】sample_consensus 模块详细描述

以下是支持的模块及其描述：

---

支持的模块

1. SACMODEL_PLANE 用于确定平面模型。平面的四个系数由其 Hessian 法线形式表示：[normal_x normal_y normal_z d]

2. SACMODEL_LINE 用于确定直线模型。直线的六个系数由直线上的一个点和直线的方向表示：[point_on_line.x point_on_line.y point_on_line.z line_direction.x line_direction.y line_direction.z]

3. SACMODEL_CIRCLE2D 用于确定平面中的 2D 圆。圆的三个系数由其中心和半径表示：[center.x center.y radius]

4. SACMODEL_CIRCLE3D 用于确定平面中的 3D 圆。圆的七个系数由其中心、半径和法线表示：[center.x, center.y, center.z, radius, normal.x, normal.y, normal.z]

5. SACMODEL_SPHERE 用于确定球体模型。球体的四个系数由其 3D 中心和半径表示：[center.x center.y center.z radius]

6. SACMODEL_CYLINDER 用于确定圆柱模型。圆柱的七个系数由其轴上的一个点、轴方向和半径表示：[point_on_axis.x point_on_axis.y point_on_axis.z axis_direction.x axis_direction.y axis_direction.z radius]

7. SACMODEL_CONE 用于确定圆锥模型。圆锥的七个系数由其顶点、轴方向和开口角度表示：[apex.x, apex.y, apex.z, axis_direction.x, axis_direction.y, axis_direction.z, opening_angle]

8. SACMODEL_TORUS 用于确定圆环模型。圆环的八个系数由其内半径、外半径、中心点和圆环轴表示。

9. SACMODEL_PARALLEL_LINE 用于确定与给定轴平行的直线模型，允许在最大指定角度偏差内。直线系数与 SACMODEL_LINE 类似。

10. SACMODEL_PERPENDICULAR_PLANE 用于确定与用户指定轴垂直的平面模型，允许在最大指定角度偏差内。平面系数与 SACMODEL_PLANE 类似。

11. SACMODEL_PARALLEL_LINES 尚未实现。

12. SACMODEL_NORMAL_PLANE 用于确定平面模型，并附加约束：每个内点的表面法线必须与输出平面的表面法线平行，允许在最大指定角度偏差内。平面系数与 SACMODEL_PLANE 类似。

13. SACMODEL_NORMAL_SPHERE 类似于 SACMODEL_SPHERE，但附加了表面法线约束。

14. SACMODEL_PARALLEL_PLANE 用于确定与用户指定轴平行的平面模型，允许在最大指定角度偏差内。平面系数与 SACMODEL_PLANE 类似。

15. SACMODEL_NORMAL_PARALLEL_PLANE 定义了一个用于 3D 平面分割的模型，使用附加的表面法线约束。平面法线必须与用户指定的轴平行。因此，SACMODEL_NORMAL_PARALLEL_PLANE 等同于 SACMODEL_NORMAL_PLANE + SACMODEL_PERPENDICULAR_PLANE。平面系数与 SACMODEL_PLANE 类似。

16. SACMODEL_STICK 用于 3D 棒状物分割的模型。棒状物是具有用户给定最小/最大宽度的直线。

17. SACMODEL_ELLIPSE3D 用于确定平面中的 3D 椭圆。椭圆的十一个系数由其中心、半轴和法线表示：[center.x, center.y, center.z, semi_axis.u, semi_axis.v, normal.x, normal.y, normal.z, u.x, u.y, u.z]

---

支持的鲁棒样本一致性估计器

1. SAC_RANSAC RANdom SAmple Consensus（随机采样一致性）。

2. SAC_LMEDS Least Median of Squares（最小中值平方）。

3. SAC_MSAC M-Estimator SAmple Consensus（M估计采样一致性）。

4. SAC_RRANSAC Randomized RANSAC（随机化 RANSAC）。

5. SAC_RMSAC Randomized MSAC（随机化 MSAC）。

6. SAC_MLESAC Maximum LikeLihood Estimation SAmple Consensus（最大似然估计采样一致性）。

7. SAC_PROSAC PROgressive SAmple Consensus（渐进采样一致性）。

---

默认建议

如果您对上述大多数估计器及其操作方式不熟悉，建议使用 RANSAC 来测试您的假设。

---

总结

pcl_sample_consensus 模块支持多种几何模型和鲁棒估计器，能够从点云数据中提取平面、直线、圆、球体、圆柱、圆锥等几何形状，并处理噪声和异常值。通过选择合适的模型和估计器，可以满足不同的应用需求。