6d位姿估计---制作自己的LINEMOD数据集过程记录(有效的方法)

先看效果图

0.环境

需要有安装pcl（c版本即可）

1.生成点云文件

修改“png2pcd”文件夹中“pcl_test.cpp"中的内参，如下图：
其中，相机内参可从“intrinsics.json”文件中获得，camera_cx为ppx，camera_cy为ppy。
进入build文件夹，打开终端，输入：

cmake ..
make

将第0帧的rgb图和深度图复制到build文件夹下，并命名为“rgb.jpg",“depth.png”.
在终端中输入：

./pcl_test
输出：
point cloud size=303181
Point cloud saved.

生成pointcloud.pcd文件。
输入

pcl_viewer pointcloud.pcd

查看点云
输入：

pcl_pcd2ply pointcloud.pcd duck.ply

将pointcloud.pcd文件转为duck.ply文件。pointcloud.pcd为输入的pcd文件，duck.ply为想要输出的ply文件的命名。
将duck.ply文件拖入meshlab中手动进行裁剪，裁剪完毕并保存。
点击Draw XYZ axes in world coordinates,显示出相机坐标系，点击Filters—>Normals,Curvatures and Orientation—>Transform:Translate,center,set origin,将裁剪后的点云移动到相机坐标系原点附近，将调整的平移矩阵输入到，get_pose.py中的current_transformation 矩阵里。注意，千万点击apply按钮，也不要进行保存。

此时可以使用任意编译器重新打开duck.ply文件，包含了有关点云的一些信息，如下图：
紧接着在meshlab中点击Filters—>Normals,Curvatures and Orientation—>Transform:Scale,Normalize,将x、y、z分别缩小1000倍。

将get_pose.py放在ObjectDatasetTools文件夹下，并运行，进行ICP，生成pose_gt.npy文件。

python get_pose.py
#期间需要不断修正get_pose.py中，current_transformation 里的数值，直到匹配完美。

运行如下代码生成mask和yaml文件

python generate_yaml.py

结果如下