《点云库PCL学习教程》八叉树PPT课件

第6章八叉树 1 建立空间索引在点云数据处理中已被广泛应用 常见空间索引一般是自顶向下逐级划分空间的各种空间索引结构 比较有代表性的包括BSP树 KD树 KDB树 R树 R 树 CELL树 四叉树和八叉树等索引结构 而在这些结构中KD树和八叉树在3D点云数据组织中应用较为广泛 PCL对八叉树的数据结构建立和索引方法进行了实现 以方便在此基础上的其他点云处理操作 本章首先对常用的点云空间索引方法octree概念进行介绍 然后对PCL的octree相关模块及类进行简单说明 最后通过应用实例来展示如何对PCL中octree模块进行灵活运用 2 本章各小节目录 6 1octree概述及相关算法简介6 2PCL中octree模块及类介绍6 3应用实例解析 3 6 1octree概述及相关算法简介 八叉树结构是由Hunter博士于1978年首次提出的一种数据模型 八叉树结构通过对三维空间的几何实体进行体元剖分 每个体元具有相同的时间和空间复杂度 通过循环递归的划分方法对大小为2n 2n 2n的三维空间的几何对象进行剖分 从而构成一个具有根节点的方向图 在八叉树结构中如果被划分的体元具有相同的属性 则该体元构成一个叶节点 否则继续对该体元剖分成8个子立方体 依次递归剖分 对于2n 2n 2n大小的空间对象 最多剖分n次 如图6 1所示 4 5 6 2PCL中octree模块及类介绍 PCL中octree库提供了octree数据结构 利用FLANN进行快速邻域检索 邻域检索在匹配 特征描述子计算 领域特征提取中是非常基础的核心操作 octree模块利用十几个类实现了利用octree数据结构对点云的高效管理和检索 以及相应的一些空间处理算法 例如压缩 空间变化检测 其依赖于pcl common模块 6 octree模块中类说明目前PCL中octree模块中目前共有16个类 以后有可能增加 1 classpcl octree Octree2BufBase类Octree2BufBase实现了同时存储管理两个八叉树于内存中 如此 可以非常高效地实现八叉树的建立管理等操作 并且该类实现对临近树节点结构的变化探测 对应到空间点云 其就可以对空间曲面的动态变化进行探测 在进行空间动态变化探测中非常有用 例如目前基于kinect设备的体感交互应用 类Octree2BufBase关键成员函数 voidsetMaxVoxelIndex unsignedintmaxVoxelIndex arg 设置在各个维度上最大的体素个数 7 voidsetTreeDepth unsignedintdepth arg 设置八叉树的深度 需要在初始化八叉树时设置 voidadd unsignedintidxX arg unsignedidxY arg unsignedintidxZ arg constDataT data arg 在idxX idxY idxZ对应的叶子节点上填充DataT的数据 其中idxX idxY idxZ为在三个维度上的整型索引值 boolexistLeaf unsignedintidxX arg unsignedintidxY arg unsignedintidxZ arg const判断在idxX idxY idxZ对应的叶子节点是否存在 如果存在返回true 否则返回false unsignedintgetLeafCount const返回在该八叉树中的叶子数目 unsignedintgetBranchCount const返回在该八叉树中的分支数目 8 voiddeleteTree boolfreeMemory arg false 删除八叉树的结构及其叶子节点 voiddeletePreviousBuffer 删除另一个缓冲区中对应八叉树的结构及其叶子节点 voiddeleteCurrentBuffer 删除当前缓冲区中对应八叉树的结构和其叶子节点 voidswitchBuffers 交换缓冲区 并重设八叉树结构 voidserializeTree std vector binaryTreeOut arg booldoXOREncoding arg false 串行化输出八叉树结构到binaryTreeOut arg向量 doXOREncoding arg设置输出时是否将当前缓冲区与后台缓冲区中数据进行异或操作后再输出 异或操作是两个八叉树结构之间差异数据的输出 9 voidserializeTree std vector binaryTreeOut arg std vector dataVector arg booldoXOREncoding arg false 串行化重载函数 其中参数dataVector arg存储八叉树中叶子节点上的数据 其他两个参数同上 voidserializeLeafs std vector dataVector arg 参数dataVector arg存储八叉树中叶子节点上的数据 该函数只串行化八叉树中的数据 voidserializeNewLeafs std vector dataVector arg constintminPointsPerLeaf arg 0 串行化当前缓冲区八叉树中存在但在后台缓冲区八叉树中不存在的节点数据 其中 minPointsPerLeaf arg为需要串行化的节点中点的最小个数 如果点个数小于该值则不串行化此新节点 10 voiddeserializeTree std vector binaryTreeIn arg booldoXORDecoding arg false 反串行化 参数意义上同上面对应的串行化函数 2 classpcl octree OctreeBase类OctreeBase为八叉树基类 其关键成员函数参考其他类介绍 3 classpcl octree OctreeBaseWithState类OctreeBaseWithState为带有状态的八叉树基类 其中额外存储的状态多用于可见性估计 同样其关键成员函数参考其他类的介绍 4 classpcl octree OctreeIteratorBase类OctreeIteratorBase为八叉树迭代器的基类 用于深度 11 优先或广度优先遍历八叉树时使用 类OctreeIteratorBase关键成员函数 voidreset 初始化迭代器 constOctreeKey getCurrentOctreeKey const获取当前八叉树节点对应迭代器的键值 unsignedintgetCurrentOctreeDepth const获取当前八叉树迭代器对应节点所在的深度值 constOctreeNode getCurrentOctreeNode const获取当前八叉树节点 boolisBranchNode const判断当前节点是否为分支节点 是返回true 否则返回false 12 boolisLeafNode const判断当前节点是否为叶子节点 是返回true 否则返回false chargetNodeConfiguration const获取当前节点的设置对应的比特位值 virtualvoidgetData constDataT data arg const获取当前节点包含数据的首个元素 virtualvoidgetData std vector dataVector arg const获取当前节点对应的向量数据 virtualunsignedlonggetNodeID const获取当前节点对应的整数ID 5 Classpcl octree OctreeDepthFirstIterator 13 6 classpcl octree OctreeDepthFirstIterator7 classpcl octree OctreeLeafNodeIterator以上3个类都继承于OctreeIteratorBase 分别实现深度优先遍历 广度优先遍历 叶子节点迭代器 关键函数参考其基类 8 classpcl octree OctreePointCloud类OctreePointCloud为针对点云实现的八叉树数据结构与相关算法 基于该类继承出多个子类 实现不同的点云处理或操作 如图6 2所示 类OctreePointCloud关键成员函数 voidsetInputCloud constPointCloudConstPtr cloud arg constIndicesConstPtr indices arg IndicesConstPtr 14 设置八叉树管理的点云 其中cloud arg为指向点云对象的指针 indices arg为真正需要输入的点云的索引序列 voidsetEpsilon doubleeps 设置近邻搜索时的误差限 voidsetResolution doubleresolution arg 设置为点云建立的八叉树结构的分辨率 即体素的大小 15 voidaddPointsFromInputCloud 显示调用将点云添加到八叉树管理结构中 voidaddPointFromCloud constintpointIdx arg IndicesPtrindices arg 添加对应索引中的点到八叉树中 其中pointIdx arg为索引 indices arg索引序列的指针 voidaddPointToCloud constPointT point arg PointCloudPtrcloud arg IndicesPtrindices arg 添加点point arg到点云cloud arg的indices arg索引下 同时添加到八叉树中 boolisVoxelOccupiedAtPoint constPointT point arg const判断点point arg所处的空间是否存在八叉树体素中 boolisVoxelOccupiedAtPoint constdoublepointX arg constdoublepointY arg constdoublepointZ arg const 16 判断点 pointX arg pointY arg pointZ arg 所处的空间是否存在八叉树体素中 intgetOccupiedVoxelCenters AlignedPointTVector voxelCenterList arg const获取所有被点云占据的体素的中心并存储在voxelCenterList arg中 返回值为被占据的体素的个数 intgetApproxIntersectedVoxelCentersBySegment constEigen Vector3f origin constEigen Vector3f end AlignedPointTVector voxel center list floatprecision 0 2 用参数origin和end给定空间一线段 该函数求得与该线段相交的体素中心 存储在voxel center list 并返回相交体素的个数 voiddeleteVoxelAtPoint constPointT point arg 删除指定点所在的八叉树所管理的体素或叶子节点 17 voiddefineBoundingBox constdoubleminX arg constdoubleminY arg constdoubleminZ arg constdoublemaxX arg constdoublemaxY arg constdoublemaxZ arg 指定八叉树的包围盒 参数为三个维度的上下限 八叉树中一旦存储管理元素了 则包围盒大小就不能再改变 voidgetBoudingBox double minX arg double minY arg double minZ arg double maxX arg double maxY arg double maxZ arg const获取包围盒3个维度的上下限 doublegetVoxelSquaredDiameter unsignedinttreeDepth arg const获取八叉树中指定深度对应体素的内切圆的直径 doublegetVoxelSquaredSideLen unsignedinttreeDepth arg const 18 获取八叉树中指定深度对应体素的立方体的边长 9 classpcl octree OctreePointCloudChangeDetector类OctreePointCloudChangeDetector实现了创建一八叉树 该八叉树由新增加的叶子节点组成 该八叉树分辨率需要初始化 包围盒可自适应调整 类OctreePointCloudChangeDetector关键成员函数 未列出的参考其父类OctreePointCloud intgetPointIndicesFromNewVoxels std vector indicesVector arg constintminPointsPerLeaf arg 0 获取缓存区中新添加的叶子节点 indicesVector arg为新添加的叶子的索引向量 intminPointsPerLeaf arg设置需要串行化的叶子中应该包含点的最小数目 voidsetEpsilon doubleeps 19 设置近邻搜索时的误差限 voidsetInputCloud constPointCloudConstPtr cloud arg constIndicesConstPtr indices arg IndicesConstPtr 设置输入点云 其中cloud arg表示输入的点云对象指针 indices arg表示真正作为输入的点集的索引向量 voidsetResolution doubleresolution arg 设置八叉树分辨率 voidaddPointsFromInputCloud 添加利用setInputCloud函数设置的点云到八叉树中 10 classpcl octree OctreePointCloudDensity类OctreePointCloudDensity实现了管理一八叉树 其叶子节点并非存储点云 只是对处于其叶子体素中的点云个数进行存储 即整个八叉树的叶子节点存储了输入 20 点云的密度空间分布 类OctreePointCloudDensity关键成员函数 未列出的参考其父类OctreePointCloud unsignedintgetVoxelDensityAtPoint constPointT point arg const返回point arg点所在的叶子节点体素的密度 即该点所在的体素中包含点的个数 11 classpcl octree OctreePointCloudOccupancy类OctreePointCloudOccupancy实现了管理一八叉树 其叶子节点不存储任何数据 只是对输入点云所占据的空间通过叶子所处的体素来进行标志 这样就可以对点云所占据空间的情况进行评估和检测 类OctreePointCloudOccupancy关键成员函数 未列出的 21 参考其父类OctreePointCloud voidsetOccupiedVoxelAtPoint constPointT point arg 在点point arg所在空间为八叉树添加叶子节点 标识其有点云占据该节点所在体素空间 voidsetOccupiedVoxelsAtPointsFromCloud PointCloudPtrcloud arg 在点集cloud arg所在空间为八叉树添加叶子节点 标识其有点云占据该节点所在体素空间 12 classpcl octree OctreePointCloudPointVector类OctreePointCloudPointVector管理一八叉树 该八叉树叶子节点 存储处在该节点体素中的点对应的索引向量 类OctreePointCloudOccupancy关键成员函数 未列出的 22 参考其父类OctreePointCloud voidsetEpsilon doubleeps 设置近邻搜索时的误差限 voidsetInputCloud constPointCloudConstPtr cloud arg constIndicesConstPtr indices arg IndicesConstPtr 设置输入点云 其中cloud arg表示输入的点云对象指针 indices arg表示真正作为输入的点集的索引向量 voidsetResolution doubleresolution arg 设置八叉树分辨率 13 classpcl octree OctreePointCloudSinglePoint类OctreePointCloudSinglePoint管理一八叉树 该八叉树叶子节点 存储处在该节点体素中的单个点的索引 其关键函数参考类OctreePointCloudPointVector 23 14 classpcl octree OctreePointCloudVoxelCentroid类OctreePointCloudVoxelCentroid管理一八叉树 可提供被点云占据节点对应体素的中心点坐标 类OctreePointCloudVoxelCentroid关键成员函数 未列出的参考其父类OctreePointCloud unsignedintgetVoxelCentroids AlignedPointTVector voxelCentroidList arg 返回所有被点云占据的叶子节点的中心点组成的向量 存储在voxelCentroidList arg中 返回值为返回中心的个数 boolgetVoxelCentroidAtPoint constPointT point arg PointT voxelCentroid arg 24 返回点point arg对应的节点体素的中心点 存储在voxelCentroid arg中 返回值为true表示操作成功 否则表示操作失败 boolgetVoxelCentroidAtPoint constint pointIdx arg PointT voxelCentroid arg 返回索引pointIdx arg对应点所代表的节点体素中心点 存储在voxelCentroid arg中 返回值为true表示成功 否则表示操作失败 15 Classpcl octree OctreePointCloudSearch类OctreePointCloudSearch实现了基于八叉树的点云近邻高效搜索 类OctreePointCloudSearch关键成员函数 boolvoxelSearch constPointT point std vector pointIdx data 25 给定查询点point 通过point确定其所在的体素 返回体素中所有点的索引存储在pointIdx data boolvoxelSearch constintindex std vector pointIdx data 功能同上函数 区别是查询点通过index指定 intnearestKSearch constPointCloud cloud intindex intk std vector k indices std vector k sqr distances 近邻搜索 cloud为搜索的点云对象 index为查询点的索引 k为搜索返回的近邻个数 k indices为返回近邻索引向量 k sqr distances存储近邻点对应的距离平方向量 intnearestKSearch constPointT p q intk std vector k indices std vector k sqr distances 26 功能同上 p q为指定的查询点 其他参数类似 voidapproxNearestSearch constPointCloud cloud intquery index int result index float sqr distance 近似近邻搜索 其他参数同上 intradiusSearch constPointCloud cloud intindex doubleradius std vector k indices std vector k sqr distances unsignedintmax nn 0 获取查询点radius半径内的近邻点集 cloud为搜索的点云对象 index为查询点的索引 k为搜索返回的近邻个数 k indices为返回近邻索引向量 k sqr distances存储近邻点对应的距离平方向量 max nn默认为0 如果设置就返回半径内邻域个数上限 返回值为返回领域点的个数 intgetIntersectedVoxelCenters Eigen Vector3forigin Eigen Vector3fdirection AlignedPointTVector voxelCenterList const 27 给定经过点origin指向direction的直线 返回与该直线相交的点云对应八叉树的体素中心点组成的向量 并存储在voxelCenterList中 返回值为相交体素个数 intgetIntersectedVoxelIndices Eigen Vector3forigin Eigen Vector3fdirection std vector k indices const功能同上函数 k indices存储相交体素的索引 intboxSearch constEigen Vector3f min pt constEigen Vector3f max pt std vector k indices const搜索处于指定立方体内的点集 min pt max pt指定立方体的左前下角坐标及右后上方坐标来定义立方体 k indices存储落在立方体内的点的索引 voidsetInputCloud constPointCloudConstPtr cloud arg constIndicesConstPtr indices arg IndicesConstPtr 指定构建八叉树的点云 28 voidsetEpsilon doubleeps 设置搜索时的精度 voidsetResolution doubleresolution arg 设置八叉树的体素分辨率 voidaddPointsFromInputCloud 显示调用将点云添加到八叉树管理结构中 voidaddPointFromCloud constintpointIdx arg IndicesPtrindices arg 添加对应索引中的点到八叉树中 其中pointIdx arg为索引 indices arg索引序列的指针 voidaddPointToCloud constPointT point arg PointCloudPtrcloud arg IndicesPtrindices arg 添加点point arg到点云cloud arg的indices arg索引下 同时添加到八叉树中 29 boolisVoxelOccupiedAtPoint constPointT point arg const判断点point arg所处的空间是否存在于八叉树体素中 boolisVoxelOccupiedAtPoint constdoublepointX arg constdoublepointY arg constdoublepointZ arg const判断点 pointX arg pointY arg pointZ arg 所处的空间是否存在于八叉树体素中 intgetOccupiedVoxelCenters AlignedPointTVector voxelCenterList arg const返回所有被点云占据的体素的中心存储在voxelCenterList arg中 返回值为被占据的体素的个数 intgetApproxIntersectedVoxelCentersBySegment constEigen Vector3f origin constEigen Vector3f end AlignedPointTVector voxel center list floatprecision 2 用参数origin和end给定空间一线段 该函数求得与该线 30 段相交的体素中心 存储在voxel center list 并返回相交体素的个数 voiddeleteVoxelAtPoint constPointT point arg 删除指定点所在的八叉树中管理的体素或叶子节点 voiddefineBoundingBox constdoubleminX arg constdoubleminY arg constdoubleminZ arg constdoublemaxX arg constdoublemaxY arg constdoublemaxZ arg 指定八叉树的包围盒 参数为3个维度的上下限 八叉树中一旦存储管理元素了 则包围盒大小就不能再改变 voidgetBoudingBox double minX arg double minY arg double minZ arg double maxX arg double maxY arg double maxZ arg const获取包围盒子3个维度的上下限 31 doublegetVoxelSquaredDiameter unsignedinttreeDepth arg const获取八叉树中指定深度对应体素的内切圆的直径 doublegetVoxelSquaredSideLen unsignedinttreeDepth arg const获取八叉树中指定深度对应体素的立方体的边长 32 6 3应用实例解析 33 6 3 1在PCL中如何实现点云压缩点云由海量的数据集组成 这些数据集通过距离 颜色 法线等附加信息来描述空间三维点 此外 点云能以非常高的速率被创建出来 因此需要占用相当大的存储资源 一旦点云需要存储或者通过速率受限制的通信信道进行传输 提供针对这种数据的压缩方法就变得十分有用 PCL库提供了点云压缩功能 它允许编码压缩所有类型的点云 如图6 3所示 包括 无序 点云 它具有无参考点和变化的点尺寸 分辨率 分布密度和点顺序等结构特征 而且 底层的octree数据结构允许从几个输入源高效地合并点云数据 34 下面解释单个点云和点云数据流是如何高效压缩的 在给出的例子中用PCL点云压缩技术来压缩用OpenNIGrabber抓取到的点云 在本书提供光盘的第6章例1文件夹中打开名为point cloud compression cpp的代码文件 1 代码解释说明下面详细解析打开的源代码 从主函数开始首先创建一个新的SimpleOpenNIViewer实例并调用它的run 方法 intmain intargc char argv SimpleOpenNIViewerv v run return 0 35 在run 函数中创建PointCloudCompression类的对象来编码和解码 这些对象把压缩配置文件作为配置压缩算法的参数 所提供的压缩配置文件为OpenNI兼容设备采集到的点云预先确定的通用参数集 本例中使用MED RES ONLINE COMPRESSION WITH COLOR配置参数集 它应用5mm的编码精度并且允许彩色纹理成分编码 并进一步优化 用于快速在线压缩 压缩配置文件的完整列表及其配制方法可以在文件 io include pcl compression compression profiles h 中找到 在PointCloudCompression构造函数中使用MANUAL CONFIGURATION属性就可以手动设置压缩算法全部参数 boolshowStatistics true 设置在标准设备上输出打印出压缩结果信息 压缩选项详见 io include pcl compression compression profiles h 3 36 pcl octree compression Profiles ecompressionProfile pcl octree MED RES ONLINE COMPRESSION WITH COLOR 初始化压缩与解压缩对象 其中压缩对象需要设定压缩参数选项 解压缩按照数据源自行判断pointCloudEncoder newpcl octree PointCloudCompression compressionProfile showStatistics pointCloudDecoder newpcl octree PointCloudCompression 下面的代码为OpenNI兼容设备实例化一个新的采集器 并且启动循环回调接口 每从设备获取一帧数据就调用回调函数一次 这里的回调函数实现数据压缩和可视化解压缩结果 创建从OpenNI获取点云的抓取对象pcl Grabber interface newpcl OpenNIGrabber 37 boost function ConstPtr在OpenNIGrabber采集循环执行的回调函数cloud cb 中 首先把获取到的点云压缩到stringstream缓冲区 下一 38 步是解压缩 它对压缩了的二进制数据进行解码 存储在新的点云对象中 解码了的点云被发送到点云可视化对象中进行实时可视化 voidcloud cb constpcl PointCloud ConstPtr 可视化解压缩点云 39 在压缩与解压缩过程中 因为设置compressedData为true所以在标准输出上打印出压缩率帧数等信息2 编译并运行该程序利用光盘提供的CMakeLists txt文件 在CMake中建立工程文件并生成相应的可执行文件 生成执行文件后 就可以运行了 在CMD中键入命令 point cloud compression exe可以看到图6 4所示结果 左边为带有RGB纹理信息的实时可视化结果 用户缩放可视化结果可以看到经过压缩后点云进行了重采样 纹理信息有所丢失 但数据量有所减小 在实际应用中需折中取舍 右边则为实时压缩信息输出 可以看出压缩的帧数 点数 压缩率等信息 40 3 压缩配置文件压缩配置文件为PCL点云编码器定义了参数集 并针对压缩从OpenNI采集器获取的普通点云进行了优化设置 注意 解码对象不需要用参数表示 因为它在解码时 41 检测并获取对应的编码参数配置 下面的压缩配置文件是可用的 LOW RES ONLINE COMPRESSION WITHOUT COLOR 分辨率1cm 无颜色 快速在线编码LOW RES ONLINE COMPRESSION WITH COLOR 分辨率1cm 有颜色 快速在线编码MED RES ONLINE COMPRESSION WITHOUT COLOR 分辨率5mm 无颜色 快速在线编码MED RES ONLINE COMPRESSION WITH COLOR 分辨率5mm 有颜色 快速在线编码HIGH RES ONLINE COMPRESSION WITHOUT COLOR 分辨率1mm 无颜色 快速在线编码HIGH RES ONLINE COMPRESSION WITH COLOR 分辨率1mm 有颜色 快速在线编码 3 3 3 3 3 3 42 LOW RES OFFLINE COMPRESSION WITHOUT COLOR 分辨率1cm 无颜色 高效离线编码LOW RES OFFLINE COMPRESSION WITH COLOR 分辨率1cm 有颜色 高效离线编码MED RES OFFLINE COMPRESSION WITHOUT COLOR 分辨率5mm 无颜色 高效离线编码MED RES OFFLINE COMPRESSION WITH COLOR 分辨率5mm 有颜色 高效离线编码HIGH RES OFFLINE COMPRESSION WITHOUT COLOR 分辨率5mm 无颜色 高效离线编码HIGH RES OFFLINE COMPRESSION WITH COLOR 分辨率5mm 有颜色 高效离线编码MANUAL CONFIGURATION允许为高级参数化进行手工配置 3 3 3 3 3 3 43 4 高级参数化为了能完全控制压缩相关的参数 PointCloudCompression类的构造函数可以在初始化时附加压缩参数 请注意 为了启用高级参数化 compressionProfile arg参数需要被设置成MANUAL CONFIGURATION PointCloudCompression compression Profiles ecompressionProfile arg boolshowStatistics arg constdoublepointResolution arg constdoubleoctreeResolution arg booldoVoxelGridDownDownSampling arg constunsignedintiFrameRate arg booldoColorEncoding arg constunsignedcharcolorBitResolution arg 下面解释高级参数化设置 compressionProfile arg 为了启用高级参数化 该参数应该被设置成MANUAL CONFIGURATION 44 showStatistics arg 把压缩相关的统计信息打印到标准输出 pointResolution arg 定义点坐标的编码精度 该参数应该设置成小于传感器精度的一个值 octreeResolution arg 该参数定义展开了的octree的体素大小 较大的体素分辨率使得压缩更快 但是压缩质量下降 这在较高的帧速率 上传速率 和压缩效率中间进行了折中设置 doVoxelGridDownDownSampling arg 如果激活该参数 那么只编码分层octree的数据结构 解码对象在体素中心生成点 通过这种方法点云在压缩期间被下采样 同时达到了较高的压缩性能 iFrameRate arg 点云压缩模式对点云进行差分编码压缩 用这种方法对新引入的点云和之前编码的点云之 45 间的差分进行编码 以便获得最大压缩性能 用这种方法对新引入的点云和之前编码的点云之间的差分进行编码 以便获得最大压缩性能 iFrameRate arg允许指定数据流中的某一帧速率 在这一速率下传输的点云就不进行差分编码压缩 同视频编码中的I P帧类似 doColorEncoding arg 该选项启用彩色纹理成分编码压缩 colorBitResolution arg 该参数定义每一个彩色成分编码后所占的位数 5 PCL点云数据流压缩的命令行工具PCL应用程序工具中包含点云流数据压缩命令行工具openni stream compression exe 用户可以查看选项的完整列表 注意 屏幕上的输出可能不同 该工 46 具可以在安装好的PCL的bin目录下找到 用户可以自行试验看看其强大的功能 具体参看其命令行帮助提示 例如它可以通过网络进行点云压缩传输 为了通过TCP IP传输压缩点云 可以用下面的命令启动服务器 openni stream compression exe s它会监听6666端口看是否有接入链接请求 用下面的命令开启客户端 openni stream compression cSERVER NAME远程采集到的点云可以通过点云查看工具在本地显示 笔者测试结果如图6 5所示 47 48 6 3 2基于octree的空间划分及搜索操作octree是一种用于管理稀疏3D数据的树状数据结构 每个内部节点都正好有8个子节点 本小节中将介绍如何用octree在点云数据中进行空间划分及近邻搜索 特别解释了如何完成 体素内近邻搜索 NeighborswithinVoxelSearch K近邻搜索 KNearestNeighborSearch 和 半径内近邻搜索 NeighborswithinRadiusSearch 在本书提供光盘的第6章例2文件夹中 打开名为octree search cpp的代码文件 1 代码解释说明下面解析打开的源代码 首先定义并实例化一个PointCloud指针对象 并且用随机点集赋值给它 49 pcl PointCloud Ptrcloud newpcl PointCloud 创建点云数据cloud width 1000 cloud height 1 cloud points resize cloud width cloud height for size ti 0 ipoints size i 循环随机产生点坐标值 cloud points i x 1024 0f rand RAND MAX 1 0f cloud points i y 1024 0f rand RAND MAX 1 0f cloud points i z 1024 0f rand RAND MAX 1 0f 然后创建一个octree实例 用设置分辨率进行初始化 50 该octree用它的叶节点存放点索引向量 该分辨率参数描述最低一级octree的最小体素的尺寸 因此octree的深度是分辨率和点云空间维数的函数 如果知道点云的边界框 应该用defineBoundingBox方法把它分配给octree 然后通过点云指针把所有点增加到octree中 floatresolution 128 0f pcl octree OctreePointCLoudSearchoctree resolution 初始化octreeoctree setInputCloud cloud 设置输入点云octree addPointsFromInputCloud 构建octree一旦PointCloud和octree联系在一起 就能进行搜索操作 这里使用的第一种搜索方法是 体素近邻搜索 它把查询点所在的体素中其他点的索引作为查询结果返回 结果以点索引向量的形式保存 因此搜索点和搜索结果之间的距离取决于octree的分辨率参数 51 std vectorpointIdxVec 存储体素近邻搜索的结果向量if octree voxelSearch searchPoint pointIdxVec 执行搜索 返回结果到pointIdxVec std coutpoints pointIdxVec i xpoints pointIdxVec i ypoints pointIdxVec i z std endl 接下来介绍K近邻搜索 本例中K被设置成10 K近邻搜索 方法把搜索结果写到两个分开的向量中 第一个pointIdxNKNSearch包含搜索结果 结果点的索引的向量 第二个向量保存相应的搜索点和近邻之间的 52 距离平方 K近邻搜索intK 10 std vectorpointIdxNKNSearch 存储k近邻搜索点索引结果std vectorpointNKNSquaredDistance std cout0 for size ti 0 ipoints pointIdxNKNSearch i xpoints pointIdxNKNSearch i ypoints pointIdxNKNSearch i z squareddistance pointNKNSquaredDistance i std endl 53 半径内近邻搜索 原理和 K近邻搜索 类似 它的搜索结果被写入两个分开的向量中 这两个向量分别存储结果点的索引和对应的距离平方 半径内近邻搜索std vectorpointIdxRadiusSearch std vectorpointRadiusSquaredDistance floatradius 256 0f rand RAND MAX 1 0f std cout0 for size ti 0 ipoints pointIdxRadiusSearch i xpoints pointIdxRadiusSearch i ypoints pointIdxRadiusSearch i z squareddistance pointRadiusSquaredDistance i std endl 54 2 编译并运行该程序利用光盘提供的CMakeLists txt文件 在CMake中建立工程文件 并生成相应的可执行文件 生成执行文件后就可以运行了 在CMD中键入命令 octreesearch exe运行结果如图6 6所示 分别打印出不同搜索方式的输出结果 55 3 Octree部分类关键点说明PCLoctree组件提供了几个octree类型 它们各自的叶节点特征基本上是不同的 OctreePointCloudPointVector 等于OctreePointCloud 该octree能够保存每一个叶节点上的点索引列 OctreePointCloudSinglePoint 该octree类仅仅保存每一个叶节点上的单个点索引 仅仅保存最后分配给叶节点的点索引 OctreePointCloudOccupancy 该octree不存储它的叶节点上的任何点信息 它能用于空间填充情况检查 OctreePointCloudDensity 该octree存储每一个叶节点体素中点的数目 它可以进行空间点集密集程度查询 如果需要高频率创建octree 请参看octree双缓冲技术实现 Octree2BufBase类 该类在内存中同时保存了 56 两个类似的octree对象 除了搜索操作之外也可以用于空间变化检测 此外 高级内存管理减少了octree建立过程中的内存分配和释放操作 双缓冲技术对octree的实现可以通过设置模板参数 OctreeT 实例化不同的OctreePointCloud类 所有的octree都支持octree结构和octree内容的串行化和反串行化 57 6 3 3无序点云数据集的空间变化检测octree是一种用于管理稀疏3D数据的树状数据结构 本小节中将介绍如何利用octree实现用于多个无序点云之间的空间变化检测 这些点云可能在尺寸 分辨率 密度和点顺序等方面有所差异 通过递归地比较octree的树结构 可以鉴定出由octree产生的体素组成之间的区别所代表的空间变化 此外还解释了如何使用PCL的octree 双缓冲 技术 以便能实时地探测多个点云之间的空间