贪婪三角形投影算法

在pcl-1.8测试

#include <pcl/point_types.h>

#include <pcl/io/pcd_io.h>

#include <pcl/io/vtk_io.h>

#include <pcl/kdtree/kdtree_flann.h>

#include <pcl/features/normal_3d.h>

#include <pcl/surface/gp3.h>

#include <pcl/visualization/pcl_visualizer.h>

#include <boost/thread/thread.hpp>

#include <fstream>

#include <iostream>

#include <stdio.h>

#include <string.h>

int main(int argc, char** argv)

{

	// 点云模型读入,此处读入为PCD格式点云文件.数据类型为PointXYZ.

	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

	if (pcl::io::loadPCDFile<pcl::PointXYZ>(argv[1], *cloud) == -1)

	{

		PCL_ERROR("Couldn't read file mypointcloud.pcd\n");  //若读取失败将提示

		return -1;

	}

	std::cerr << "点云读入   完成" << std::endl;

	//sensor_msgs::PointCloud2 cloud_blob;

	//pcl::io::loadPCDFile ("bun0.pcd", cloud_blob);

	//pcl::fromROSMsg (cloud_blob, *cloud);

	//* the data should be available in cloud

	// Normal estimation（法向量估计）

	pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> n;//创建法向估计对象

	pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);//创建法向数据指针

	pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);//创建kdtree用于法向计算时近邻搜索

	tree->setInputCloud(cloud);//为kdtree输入点云

	n.setInputCloud(cloud);//为法向估计对象输入点云

	n.setSearchMethod(tree);//设置法向估计时采用的搜索方式为kdtree

	n.setKSearch(20);//设置法向估计时,k近邻搜索的点数

	n.compute(*normals);  //进行法向估计

	std::cerr << "法线计算   完成" << std::endl;

	// 创建同时包含点和法向的数据结构的指针

	pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals(new pcl::PointCloud<pcl::PointNormal>);

	//将已获得的点数据和法向数据拼接

	pcl::concatenateFields(*cloud, *normals, *cloud_with_normals);

	// 创建另一个kdtree用于重建

	pcl::search::KdTree<pcl::PointNormal>::Ptr tree2(new pcl::search::KdTree<pcl::PointNormal>);

	//为kdtree输入点云数据,该点云数据类型为点和法向

	tree2->setInputCloud(cloud_with_normals);

	// 创建贪婪三角形投影重建对象

	pcl::GreedyProjectionTriangulation<pcl::PointNormal> gp3;

	//创建多边形网格对象,用来存储重建结果

	pcl::PolygonMesh triangles; 

	//设置参数

	gp3.setSearchRadius(25);  // 设置连接点之间的最大距离（最大边长）用于确定k近邻的球半径（默认为0）

	gp3.setMu(2.5);  // 设置最近邻距离的乘子，已得到每个点的最终搜索半径（默认为0）

	gp3.setMaximumNearestNeighbors(100);  //设置搜索的最近邻点的最大数量

	gp3.setMaximumSurfaceAngle(M_PI / 2); // 45 degrees 最大平面角

	gp3.setMinimumAngle(M_PI / 18); // 10 degrees 每个三角的最大角度

	gp3.setMaximumAngle(2 * M_PI / 3); // 120 degrees

	gp3.setNormalConsistency(false);  //若法向量一致，设为true

	// 设置点云数据和搜索方式

	gp3.setInputCloud(cloud_with_normals);

	gp3.setSearchMethod(tree2);

	//开始重建

	gp3.reconstruct(triangles);

	std::cerr << "重建   完成" << std::endl;

	//将重建结果保存到硬盘文件中,重建结果以VTK格式存储

	pcl::io::saveVTKFile("mymesh.vtk", triangles); 

	// Additional vertex information

	std::vector<int> parts = gp3.getPartIDs();

	std::vector<int> states = gp3.getPointStates();

	fstream fs;

	fs.open("partsID.txt", ios::out);

	if (!fs)

	{

		return -2;

	}

	fs << "点云数量为：" << parts.size() << "\n";

	for (int i = 0; i < parts.size(); i++)

	{

		if (parts[i] != 0)

		{

			fs << parts[i] << "\n";   //这的fs对吗？

		}

	}

	std::cerr << "开始显示 ........" << std::endl;

	//图形显示模块

	//创建显示对象指针

	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));

	viewer->setBackgroundColor(0, 0, 0.6);  //设置窗口颜色

	viewer->addPolygonMesh(triangles, "my");  //设置所要显示的网格对象

	viewer->addCoordinateSystem(0.1);  //设置坐标系,参数为坐标显示尺寸

	viewer->initCameraParameters();

	while (!viewer->wasStopped())

	{

		viewer->spinOnce(100);

		boost::this_thread::sleep(boost::posix_time::microseconds(100000));

	}

	// Finish

	return 0;

}