PCL学习：点云分割-圆柱体模型分割

最新推荐文章于 2025-02-05 14:25:34 发布
最新推荐文章于 2025-02-05 14:25:34 发布
阅读量4.4k 收藏 27
点赞数 6
分类专栏： PCL学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/zfjBIT/article/details/95054109
版权
本文介绍了使用PCL库的SACSegmentationFromNormals类进行点云数据的圆柱体分割。通过设置点云法线信息，该算法能有效地从点云中分割出圆柱形物体。流程包括直通滤波、法线估计、平面分割和圆柱体分割，并将结果保存及可视化展示。示例中，点云数据经过处理，成功分割出桌面和平面以及圆柱形杯子。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

pcl::SACSegmentationFromNormals< PointT, PointNT >

类 SACSegmentationFromNormals< PointT, PointNT ＞是利用采样一致性方法进行点云分割的类，与其父类 SACSegmentation 不同之处在于其在算法实现时采用了法线信息，即该类在进行运算输出之前需要设定法线信息 ，其继承关系如图所示。

 关键成员函数：

  SACSegmentationFromNormals (bool random=false)
  构造函数
 
了解本专栏 订阅专栏 解锁全文 超级会员免费看
PCL 点云分割 分割圆柱体模型
纵马踏花向自由
11-11 114
在点云处理过程中，分割特定的几何形状是常见任务之一。圆柱体分割是其中的一个重要应用，广泛用于工业检测、机器人视觉等领域。通过使用PCL中的RANSAC算法，结合圆柱体模型，我们可以从复杂的点云数据中提取出符合圆柱体模型的点，进而进行进一步处理和分析。本博客将介绍如何使用PCL库分割点云中的圆柱体模型。
PCL学习：点云分割-平面模型分割
zfjBIT的专栏
07-08 6648
pcl::SACSegmentation< PointT > 类 SACSegmentation<PointT＞是利用来样一致性算法实现分割类，定义了所有相关的函数接口，该类的输入为设定需要分割的模型类型与相关参数，输出为最终估计的模型参数，以及分割得到的内点集合 ，利用不同的模型可以实现对点云中包含的不同类型的物体的分割，例如直线、平面、圆柱、圆球等的分割提取，在机器人自动识...
opengl 圆柱体模型
12-09
OpenGL绘制3d圆柱体模型代码 学习OpenGL及3d模型的实例
【PCL】PCL点云分割圆柱体
shanhedian2013的博客
10-17 953
在PCL中，可以使用pcl::SACSegmentationFromNormals类来实现圆柱体模型的分割。该类可以根据法线信息对点云进行分割，并提取出圆柱体点云。其原理是使用随机采样一致性（RANSAC）算法来估计圆柱体模型的参数，并从点云中提取圆柱体模型。该算法的基本流程如下：**1、**过滤掉远离感兴趣区域的数据点。**2、**估计每个点的表面法线。**3、**使用RANSAC算法从点云中分割出平面模型，并保存。**4、**使用RANSAC算法从点云中分割出圆柱体模型，并保存。
【PCL】Segmentation 模块—— 基于法线差异的分割（Difference of Normals Based Segmentation）
最新发布
old_power的博客
02-05 797
**基于法线差异的分割（Difference of Normals Segmentation）** 是一种使用法线差异特征对点云进行分割的方法。它通过计算点云中每个点的法线差异，提取出点云的局部几何特征，从而实现对不同区域或物体的分割。这种方法特别适用于处理复杂的三维点云数据，比如建筑物外立面、地形表面或者物体边界。
PCL_点云分割_圆柱体模型分割
zhan_zhan1的博客
03-05 1804
采用随机采样一致性估计从带有噪声的点云中提取一个圆柱体模型，程序流程如下： 过滤掉远于1.5米的点 估计每个点表面法线 分割出平面模型（桌面） 分割出圆柱体模型（水杯） 代码说明： （1）定义对象 pcl::PCDReader reader; pcl::PassThrough<PointT> pass; pcl::NormalEstimation<PointT, pcl::N...
C++ PCL SACSegmentationFromNormals setAxis 轴向的选择
u013798595的博客
08-02 736
选择合适的轴向进行点云分割，实际上是根据数据的几何特征和应用场景来确定的。
点云库PCL学习：有条件约束的平面分割（SACMODEL_NORMAL_PARALLEL_PLANE）
Mr Qin的博客
04-13 6633
在使用pcl提取点云空间中的平面时，我们一般采用SACMODEL_PLANE模型，利用采样一致性算法（RANSAC）算法进行提取。当环境比较复杂时，我们可以采用SACMODEL_NORMAL_PARALLEL_PLANE模型约束平面的法向方向，更加准确的分割出平面点云。 封装后的函数 参数：（输入点云，法线法向，提取的平面点云，滤掉的点云，平面参数，点到模型的最大允许距离，迭代次数） void n...
PCL 点云分割 Ransac分割多个圆柱
纵马踏花向自由
11-11 93
本篇博客将介绍如何使用PCL库结合RANSAC算法对点云数据中的多个圆柱进行分割。通过迭代地应用RANSAC分割算法，可以在点云数据中逐一提取出符合圆柱模型的子集点云，从而达到多圆柱分割的效果。
PCL 点云投影到圆柱【2024最新版】
点云侠的博客
02-09 5815
使用PCL将点云投影到圆柱，代码的两种使用方式。博客长期更新，本文最新更新时间为：2024年11月25日。
PCL 提取两片点云的重叠部分并保存【2024最新版】
热门推荐
点云侠的博客
02-27 37万+
博客长期更新，本文最近一次更新时间为：2024年12月15日，代码更新至PCL1.14.1版本。
PCL :实现 提取两片点云的重叠部分并保存（附完整源码）
希望我的博客，能帮上你解决学习中工作中所遇到的问题
09-24 319
PCL :实现 提取两片点云的重叠部分并保存（附完整源码）
提取两个点云的重叠区域和非重叠区域
带你成为别人眼中的大佬！
04-01 887
在Open3D库中，可以使用estimate_normals方法为每个点云计算法线向量，并使用registration_icp方法对两个点云进行ICP配准。在进行点云配准时，很多情况下需要提取两个点云的重叠区域和非重叠区域。我们可以使用cropped_point_indices方法获取裁剪后的点云的点索引，然后使用select_by_index方法选择非重叠区域中的点云。完成配准后，我们可以使用Open3D库提供的crop_point_cloud方法将每个点云分别裁剪为重叠区域和非重叠区域。
CloudCompare 二次开发(8)——提取点云的重叠区域
点云侠的博客
05-08 1187
使用CloudCompare与PCL联合编程实现两期点云数据重叠区域的获取
PCL学习笔记（二十五）-- 圆柱体模型分割
不学会C++不改名
07-28 2192
一、简介 采用随机采样一致性估计从带有噪声的点云中提取一个圆柱体模型，程序的整体流程如下： （1）过滤掉远于1.5米的数据点； （2）估计每个点的表面法线； （3）分割出平面模型并进行保存； （4）分割出圆柱体模型并进行保存。 二、代码分析 1）定义在代码中所使用的对象与数据对象，读取相应的点云数据： // All the objects needed //定义在程序中使用到的对象 pcl::PCDReader reader; ...
PCL教程-点云分割之圆柱体分割
DayDayUp
09-08 1万+
原文链接：https://pcl.readthedocs.io/projects/tutorials/en/latest/cylinder_segmentation.html#cylinder-segmentation
PCL 提取两片点云的非重叠部分【2024最新版】
点云侠的博客
03-08 36万+
PCL 提取两片点云的非重叠部分。博客长期更新，本文最近一次更新时间为：2024年12月29日。
PCL函数库摘要——点云分割
qq_36829039的博客
11-07 2369
1.Class pcl::gpu::EuclideanClusterExtraction 类EuclideanClusterExtraction是基于欧氏距离进行聚类分割的类，此类基于GPU实现并依赖于类pcl::gpu::octree，运行时占用GPU资源并非CPU资源，非常适合在拥有现在流行的多个CUDA核的GPU所在的计算机或移动设备上使用。 #include <C:/pcl-1.8.0/gpu/segmentation/include/pcl/gpu/segmentation/gpu_extr
基于对应点关系的——两片点云剔除（保留）重复点
阁楼
06-05 1441
针对有一定重叠率的点云，可以是配准后的点云，也可以是同一采集器采集固定位置的不同点云数据。
pcl中RANSAC点云分割类型
12-28
### PCL中RANSAC算法用于点云分割的不同类型 #### 平面拟合 在PCL库中，RANSAC常被用来进行平面拟合。此方法能够有效地从复杂的环境中分离出平坦表面，这对于室内场景分析特别有用。对于给定的一组3D点云数据，RANSAC随机选取三个不共线的点来构建一个假设的平面方程，并测试其余点到这个假定平面上的距离是否小于设定阈值。如果满足条件，则认为这些点属于同一个平面[^1]。 ```cpp pcl::SACSegmentation<pcl::PointXYZ> seg; seg.setOptimizeCoefficients (true); seg.setModelType (pcl::SACMODEL_PLANE); seg.setMethodType (pcl::SAC_RANSAC); seg.setMaxIterations (1000); seg.setDistanceThreshold (0.01); pcl::PointIndices::Ptr inliers (new pcl::PointIndices ()); pcl::ModelCoefficients::Ptr coefficients (new pcl::ModelCoefficients ()); seg.setInputCloud (cloud); seg.segment (*inliers, *coefficients); ``` #### 多平面拟合 当面对具有多个不同方向和平坦区域的对象时，单次运行标准RANSAC可能不足以完成整个物体的描述。因此，在某些情况下，需要连续执行几次RANSAC操作以检测并移除已发现的最大平面之后再继续寻找下一个显著平面直到不再有新的有效结果为止[^4]。 #### 直线拟合 除了平面外，RANSAC同样适用于其他类型的几何结构比如直线。通过调整模型参数设置为`SACMODEL_LINE`, 可实现对空间内线条特征的有效捕捉。这种方法尤其适合于建筑环境中的边缘提取或是机械零件轮廓重建等工作场合[^3]。 ```cpp // 更改模型类型为直线 seg.setModelType(pcl::SACMODEL_LINE); ``` #### 圆柱体和其他复杂形状 值得注意的是，虽然上述例子主要集中在简单几何实体上，但实际上PCL支持更广泛的形状匹配需求——包括但不限于圆锥形、球状物乃至任意自定义曲面等。这使得基于RANSAC框架下的点云处理技术具备高度灵活性与适应能力，广泛应用于各种实际项目当中。
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

JoannaJuanCV

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值