wi162yyxq的博客

#include #include #include "util_render.h" #include #include #include #include #include #define WIDTH 640 #define HEIGHT 480 using namespace cv;using na

其实realsense的彩色图与深度图对齐非常简单，因为当你开始采集彩色图与深度图流时，会自动产生一个对齐后的图像流，一个是彩色对齐深度：color_aligned_to_depth，一个是深度对齐彩色：depth_aligned_to_color，表现出来就是一个是显示深度图里具有深度部分才有的图像，一个刚好反过来，所以一个是RGB一个是16UC1，所以接上一篇，我们可以将他们显示出来。#i

#include #include "example.hpp"#include #include #include #include #include #include using namespace cv;using namespace std;struct rgb_pixel{ uint8_t r,g,b;};int main(){ rs::

最近发现一个点云分割的框架，安立以下。很是不错，用法简单，速度快。  所需工具为：PCL和SegementerLight  之前提到过安装PCL1.8，但是在默认情况下我们编译的PCL不带NURBS，但是这里需要，所以我们重新安装一下  mkdir buildcd build/sudo apt-get install cmake-curses-guiccmake ..

浪费了一个月时间，查了很多资料，然后各种用ubuntu编译，最后结果还是不行，尝试到最后，终于发现一个东西，就是realsense_grabber，但是不是PCL里面自带那个，是独立的。利用这个，我终于可以获取点云数据了。接下来我说一下需要的东西以及步骤：首先我们需要的软件有：PCL1.8.0-all-in-one，具体版本自己选择，我的是vs2015-win64版本。然后是RSSDK，就...

在上一篇我们利用realsense_grabber采集了点云数据，但是运行一下就会发现，直接使用的话根本达不到实时的要求，也就是个1HZ的刷新率，所以我们需要对它进行下采样，减少点云个数，从而提高处理速度。这里我们使用的是VoxelGrid类。   使用体素化网格方法实现下采样，即减少点的数量，减少点云数据，并同时保持点云的形状特征，在提高配准、曲面重建、形状识别等算法速度中非常实用。PCL实

在我们获得点云数据后，为了能够进行表面重建或者是进行物体的位姿确定，我们都需要确定物体表面的发现方向。PCL中有现成的计算物体法线的类NormalEstimation，这个类做了以下3件事1.得到p的最近邻2.计算p的表面法线n3.检查法线的朝向，然后拨乱反正。默认的视角是(0,0,0)计算一个点的法线前面两个参数很好理解，plane_p

k-d树(k-dimensional树的简称)，是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索（如：范围搜索和最近邻搜索）。K-D树是二进制空间分割树的特殊的情况。一个KDTree的例子上图的树就是一棵KDTree，形似二叉搜索树，其实KDTree就是二叉搜索树的变种。这里的K = 3.首先来看下树的组织原则。将每一个元组

RanSaC算法（随机采样一致）原本是用于数据处理的一种经典算法，其作用是在大量噪声情况下，提取物体中特定的成分。下图是对RanSaC算法效果的说明。图中有一些点显然是满足某条直线的，另外有一团点是纯噪声。目的是在大量噪声的情况下找到直线方程，此时噪声数据量是直线的3倍。  　　如果用最小二乘法是无法得到这样的效果的，直线大约会在图中直线偏上一点。关于随机采样一致性算法的原理，在wik