我是个渣

激光雷达采集的数据，可能由于颠簸或者雷达安装倾斜或者地面本身是有坡度的，造成地面在雷达坐标系中不是水平的。不是水平的，会影响我们后续的对点云的分割分类等处理，所以校准很有必要。 参考过程：用PCL中基于RANSAC的平面检测方法检测出平面，得到平面：ax+by+cz+d=0。检测平面可以有多种方法。对于一个平面，上式中xyz的系数，就是它的法向量。然后，雷达坐标系中的竖直向量是（0,0...

实时显示点云流 ` int main() { pcl::visualization::PCLVisualizer viewer(“Cloud”); pcl::PointCloud::Ptr cloud(new pcl::PointCloud); int frame=0; while(1) { char buf[233]; ...

是对点云数据的一种下采样，用立体网格里面所有点云的重心来体现其他点云pcl::VoxelGrid<pcl::PointXYZ> sor;sor.setInputCloud(pointCloud_raw);sor.setLeafSize(0.05f, 0.05f, 0.05f);//体素大小，5*5*5cmsor.filter(*pointCloud_filter);...

最简单的例子：按高度筛选点云pcl::PassThrough<pcl::PointXYZ> pass;pass.setInputCloud(pointCloud_raw);pass.setFilterFieldName("z"); //设置过滤时所需要点云类型的Z字段pass.setFilterLimits(-0.1, 10); //设置...

对每个点的邻域进行一个统计分析，并修剪掉一些不符合标准的点。具体方法为在输入数据中对点到临近点的距离分布的计算，对每一个点，计算它到所有临近点的平均距离（假设得到的结果是一个高斯分布，其形状是由均值和标准差决定），那么平均距离在标准范围之外的点，可以被定义为离群点并从数据中去除。pcl::StatisticalOutlierRemoval<pcl::PointXYZ> sor;...

删除点云中不符合用户指定的一个或多个条件的数据点。//创建条件限定下的滤波器pcl::ConditionAnd<pcl::PointXYZ>::Ptr range_cond(new pcl::ConditionAnd<pcl::PointXYZ>);//添加在Z字段上大于0的比较算子 //GT greater than//EQ equal//LT les...

如图1所示，有助于形象化理解RadiusOutlierRemoval的作用，在点云数据中，用户指定每个的点一定范围内周围至少要有足够多的近邻。例如，如果指定至少要有1个邻居，只有黄色的点会被删除，如果指定至少要有2个邻居，黄色和绿色的点都将被删除。 图1 RadiusOutlierRemoval滤波处理示意图pcl::RadiusOutlierRemoval<pcl::Poin...

基于某一分割算法提取点云中的一个子集。pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients());pcl::PointIndices::Ptr inliers(new pcl::PointIndices());pcl::SACSegmentation<pcl::PointXYZ> seg; ...

点投影到一个参数化模型上（平面或者球体等），参数化模型通过一组参数来设定，对于平面来说使用其等式形式。在PCL中有特定存储常见模型系数的数据结构// 填充ModelCoefficients的值,使用ax+by+cz+d=0平面模型，其中 a=b=d=0,c=1 也就是X——Y平面pcl::ModelCoefficients::Ptr coefficients(new pcl::Model...