基于Kinect v2+PCL的模型奶牛重建（上）——数据获取

最近想写把近段时间的工作成果写成博客，与大家分享。

废话不多说，我采用的是Kinect v2 + PCL 的方法对模型奶牛进行重建。关键的想法如下图所示：

Kinect摄像机固定不动，从6个角度去拍摄模型奶牛，每个角度拍一帧（当然，想要有好的细节应该每个角度多拍几帧。这里假设只拍一帧），拍摄顺序为0-1-2-3-4-5，先右转60度后左转60度。获取到点云后，把前面3帧（即0-1-2）的点云融合，然后把后面3帧（即3-4-5）的点云融合，最后把前面的点云与后面的点云进行融合。大概的想法为这样子。

这篇文章先介绍如何获取点云数据。我使用的是二代Kinect，PCL1.8.0（没有用到太高级的库，所以个人觉得1.6以上的都行），事先要装Kinect SDK和配置好PCL环境。（这些 配置网上已经有很多教程，这里不叙述）。这里只获取深度数据，然后转化为点云。完整代码会在最后面给出。

首先看一下拍摄环境：

如左图所示，摄像机底下放了3个Kinect盒子，模型奶牛底下也放了1个Kinect盒子。模型奶牛到摄像机的距离大概在0.8米~1米之间。由于地板上有那些线，我利用这个十字点来当成旋转的中心，如右图所示。

生成点云的时候，我使用了PCL中“条件与”的方法过滤了一些点云（或者说只提取感兴趣或范围内的点云）。如下例代码所示：

//-----------------------提取范围内的点------------------------
pcl::ConditionAnd<MyPointDataType>::Ptr range_cond(new pcl::ConditionAnd<MyPointDataType>());
range_cond->addComparison(pcl::FieldComparison<MyPointDataType>::ConstPtr(new	pcl::FieldComparison<MyPointDataType>("z", pcl::ComparisonOps::GT, 0.001)));
range_cond->addComparison(pcl::FieldComparison<MyPointDataType>::ConstPtr(new	pcl::FieldComparison<MyPointDataType>("z", pcl::ComparisonOps::LT, 2.0)));
range_cond->addComparison(pcl::FieldComparison<MyPointDataType>::ConstPtr(new	pcl::FieldComparison<MyPointDataType>("x", pcl::ComparisonOps::GT, -0.5)));
range_cond->addComparison(pcl::FieldComparison<MyPointDataType>::ConstPtr(new	pcl::FieldComparison<MyPointDataType>("x", pcl::ComparisonOps::LT, 0.5)));
//range_cond->addComparison(pcl::FieldComparison<MyPointDataType>::ConstPtr(new	pcl::FieldComparison<MyPointDataType>("y", pcl::ComparisonOps::GT, -0.85)));
pcl::ConditionalRemoval<MyPointDataType> condrem(range_cond, false);
condrem.setInputCloud(cloud);
condrem.setKeepOrganized(false);
condrem.filter(*cloud_filtered);
//--------------------------------------------------------------

这里，对于Z值来说，0.001<Z<2.0，是我想要的点云。因为深度图里有很多深度值为0的数据，所以我只提取有深度值的点云，所以要大于0.001。然后我只要距摄像机2米之内的点云，这样可以过滤掉后面背景的那些点云。（Tips：这里的浮点数可以大概看成是现实中以米为单位的数值，如2.0大概表示现实中的2米）。而对于X值来说，-0.5<X<0.5，同样也是为了过滤掉左右两边不想要的点云。而对Y值有点特殊，这里不作处理（我注释掉了）。对于实验不同的情况，可以调节你想要的范围内的点云。

拍摄的时候，有一个非常重要的前提——摄像机一定要水平放，这是非常重要的事情，接下来会解释。

从想法上看，我们应该要拍6帧数据。但是，我这里还要先额外拍2帧数据。

首先第一帧数据：