我正在使用PCL生成旋转图像,并希望有一种方法可以将每个点的结果旋转图像可视化为实际图像(例如,二维数组)。目前,我只能生成一个(据我所知)长度为153的一维直方图。我生成自旋图像的代码(取自here)是:
#include <iostream>
#include <vector>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/features/normal_3d.h>
#include <pcl/features/spin_image.h>
typedef pcl::Histogram<153> SpinImage;
int main()
{
// Load in point cloud
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
if (pcl::io::loadPCDFile<pcl::PointXYZ> ("/home/david/data/spin_images/cpp/random_pc.pcd", *cloud) == -1)
{
PCL_ERROR("Could not read file");
return -1;
}
// Compute normals for point cloud
pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimation;
normal_estimation.setInputCloud (cloud);
pcl::search::KdTree<pcl::PointXYZ>::Ptr kdtree (new pcl::search::KdTree<pcl::PointXYZ>);
normal_estimation.setSearchMethod (kdtree);
pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud< pcl::Normal>);
normal_estimation.setRadiusSearch (0.3);
normal_estimation.compute (*normals);
// Compute Spin Images
pcl::PointCloud<SpinImage>::Ptr spin_images(new pcl::PointCloud<SpinImage>());
pcl::SpinImageEstimation<pcl::PointXYZ, pcl::Normal, SpinImage> si(8, 0.5, 1);
si.setInputCloud(cloud);
si.setInputNormals(normals);
si.setRadiusSearch(0.2);
si.compute(*spin_images);
std::cout << "SI output points size: " << spin_images->points.size() << std::endl;
std::cout << spin_images->points[0] << std::endl;
pcl::Histogram<153> first_descriptor = spin_images->points[0];
std::cout << first_descriptor << std::endl;
return 0;
}
我很困惑这到底是什么。根据我的理解(如here所述),该行中的变量si
:
pcl::SpinImageEstimation<pcl::PointXYZ, pcl::Normal, SpinImage> si(8, 0.5, 1);
具有三个参数; image_width
,support_angle_cos
和min_pts_neighbourhood
。其中image_width
设置图像分辨率,分辨率定义为沿一维的仓数。对我来说,这表明结果应该是2D 8x8直方图或具有64个值的1D直方图。
所以我有两个问题:
1)如何通过PCL中的自旋图像估计来计算153个值
2)如何创建尺寸为m x n
的二维图像。
几年前发布了类似的question,但我无法从该线程中提取任何有用的信息。
操作系统:Ubuntu 16.04
PCL:v1.7