（1）学习如何连接两个不同点云为一个点云，进行操作前要确保两个数据集中字段的类型相同和维度相等，同时了解如何连接两个不同点云的字段（例如颜色 法线）这种操作的强制约束条件是两个数据集中点的数目必须一样，例如：点云A是N个点XYZ点，点云B是N个点的RGB点，则连接两个字段形成点云C是N个点xyzrgb类型
新建文件concatenate_clouds.cpp CMakeLists.txt
concatenate_clouds.cpp ：
#include <iostream>
#include <pcl/io/pcd_io.h> //io模块
#include <pcl/point_types.h> //数据类型 int
main (int argc, char** argv)
{
if (argc != ) //提示如果执行可执行文件输入两个参数 -f 或者-p
{
std::cerr << "please specify command line arg '-f' or '-p'" << std::endl;
exit();
}
//申明三个pcl::PointXYZ点云数据类型，分别为cloud_a, cloud_b, cloud_c
pcl::PointCloud<pcl::PointXYZ> cloud_a, cloud_b, cloud_c;
//存储进行连接时需要的Normal点云,Normal (float n_x, float n_y, float n_z)
pcl::PointCloud<pcl::Normal> n_cloud_b;
//存储连接XYZ与normal后的点云
pcl::PointCloud<pcl::PointNormal> p_n_cloud_c; // 创建点云数据
//设置cloud_a的个数为5
cloud_a.width = ;
cloud_a.height = cloud_b.height = n_cloud_b.height = ; //设置都为无序点云
cloud_a.points.resize (cloud_a.width * cloud_a.height); //总数
if (strcmp(argv[], "-p") == ) //判断是否为连接a+b=c(点云连接)
{
cloud_b.width = ;
cloud_b.points.resize (cloud_b.width * cloud_b.height);
}
else{
n_cloud_b.width = ; //如果是连接XYZ与normal则生成5个法线（字段间连接）
n_cloud_b.points.resize (n_cloud_b.width * n_cloud_b.height);
}
//以下循环生成无序点云填充上面定义的两种类型的点云数据
for (size_t i = ; i < cloud_a.points.size (); ++i)
{ //cloud_a产生三个点（每个点都有X Y Z 三个随机填充的值）
cloud_a.points[i].x = * rand () / (RAND_MAX + 1.0f);
cloud_a.points[i].y = * rand () / (RAND_MAX + 1.0f);
cloud_a.points[i].z = * rand () / (RAND_MAX + 1.0f);
}
if (strcmp(argv[], "-p") == )
for (size_t i = ; i < cloud_b.points.size (); ++i)
{ //如果连接a+b=c，则cloud_b用三个点作为xyz的数据
cloud_b.points[i].x = * rand () / (RAND_MAX + 1.0f);
cloud_b.points[i].y = * rand () / (RAND_MAX + 1.0f);
cloud_b.points[i].z = * rand () / (RAND_MAX + 1.0f);
}
else
for (size_t i = ; i < n_cloud_b.points.size (); ++i)
{ //如果连接xyz+normal=xyznormal则n_cloud_b用5个点作为normal数据
n_cloud_b.points[i].normal[] = * rand () / (RAND_MAX + 1.0f);
n_cloud_b.points[i].normal[] = * rand () / (RAND_MAX + 1.0f);
n_cloud_b.points[i].normal[] = * rand () / (RAND_MAX + 1.0f);
}
/*******************************************************************
定义了连接点云会用到的5个点云对象：3个输入（cloud_a cloud_b 和n_cloud_b）
两个输出（cloud_c n_cloud_c）然后就是为两个输入点云cloud_a和 cloud_b或者cloud_a 和n_cloud_b填充数据 ********************************************************************/
//输出Cloud A
std::cerr << "Cloud A: " << std::endl;
for (size_t i = ; i < cloud_a.points.size (); ++i)
std::cerr << " " << cloud_a.points[i].x << " " << cloud_a.points[i].y << " " << cloud_a.points[i].z << std::endl;
//输出Cloud B
std::cerr << "Cloud B: " << std::endl;
if (strcmp(argv[], "-p") == )
for (size_t i = ; i < cloud_b.points.size (); ++i)
std::cerr << " " << cloud_b.points[i].x << " " << cloud_b.points[i].y << " " << cloud_b.points[i].z << std::endl;
else//输出n_Cloud_b
for (size_t i = ; i < n_cloud_b.points.size (); ++i)
std::cerr << " " << n_cloud_b.points[i].normal[] << " " << n_cloud_b.points[i].normal[] << " " << n_cloud_b.points[i].normal[] << std::endl; // Copy the point cloud data
if (strcmp(argv[], "-p") == )
{
cloud_c = cloud_a;
cloud_c += cloud_b;//把cloud_a和cloud_b连接一起创建cloud_c 后输出
std::cerr << "Cloud C: " << std::endl;
for (size_t i = ; i < cloud_c.points.size (); ++i)
std::cerr << " " << cloud_c.points[i].x << " " << cloud_c.points[i].y << " " << cloud_c.points[i].z << " " << std::endl;
}
else
{ //连接字段 把cloud_a和 n_cloud_b字段连接 一起创建 p_n_cloud_c)
pcl::concatenateFields (cloud_a, n_cloud_b, p_n_cloud_c);
std::cerr << "Cloud C: " << std::endl;
for (size_t i = ; i < p_n_cloud_c.points.size (); ++i)
std::cerr << " " <<
p_n_cloud_c.points[i].x << " " << p_n_cloud_c.points[i].y << " " << p_n_cloud_c.points[i].z << " " <<
p_n_cloud_c.points[i].normal[] << " " << p_n_cloud_c.points[i].normal[] << " " << p_n_cloud_c.points[i].normal[] << std::endl;
}
return ();
}
CMakeLists.txt：
cmake_minimum_required(VERSION 2.8 FATAL_ERROR)
project(ch2_2)
find_package(PCL 1.2 REQUIRED)
include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})
add_executable (concatenate_clouds concatenate_clouds.cpp)
target_link_libraries (concatenate_clouds ${PCL_LIBRARIES})
编译执行后的结果，仔细研究看一下就可以看出点云连接和字段间连接的区别，字段间连接是在行的基础后连接，而点云连接是在列的下方连接，最重要的就是要考虑维度问题，同时每个点云都有XYZ三个数据值
字段间连接：
点云连接
（2）对于获取传感器的深度信息可以使用OpenNI Grabber类，（其中涉及到如何安装传感器的驱动等问题，比如我使用的是kinect 1.0 可能会遇到一些安装问题，但是网上还是有很多的解决办法的，在这里不对于叙述）
新建文件openni_grabber.cpp
#include <pcl/point_cloud.h> //点云类定义头文件
#include <pcl/point_types.h> //点 类型定义头文件
#include <pcl/io/openni_grabber.h> //OpenNI数据流获取头文件
#include <pcl/common/time.h> //时间头文件 //类SimpleOpenNIProcessor 的回调函数，作为在获取数据时，对数据进行处理的回调函数的封装，在本例中并没有什么处理，只是实时的在标准输出设备打印处信息。
class SimpleOpenNIProcessor
{
public:
void cloud_cb_ (const pcl::PointCloud<pcl::PointXYZRGBA>::ConstPtr &cloud)
{
static unsigned count = ;
static double last = pcl::getTime (); //获取当前时间
if (++count == ) //每30ms一次输出
{
double now = pcl::getTime ();
// >>右移
std::cout << "distance of center pixel :" << cloud->points [(cloud->width >> ) * (cloud->height + )].z << " mm. Average framerate: " << double(count)/double(now - last) << " Hz" << std::endl;
count = ;
last = now;
}
} void run ()
{
pcl::Grabber* interface = new pcl::OpenNIGrabber(); //创建OpenNI采集对象 // 定义回调函数
boost::function<void (const pcl::PointCloud<pcl::PointXYZRGBA>::ConstPtr&)> f =
boost::bind (&SimpleOpenNIProcessor::cloud_cb_, this, _1); boost::signals2::connection c = interface->registerCallback (f);//注册回调函数 interface->start (); //开始接受点云数据
//直到用户按下Ctrl -c
while (true)
boost::this_thread::sleep (boost::posix_time::seconds ()); // 停止采集
interface->stop ();
}
}; int main ()
{
SimpleOpenNIProcessor v;
v.run ();
return ();
}
CMakeLists.txt
cmake_minimum_required(VERSION 2.8 FATAL_ERROR)
project(openni_grabber)
find_package(PCL 1.2 REQUIRED)
include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})
add_executable (openni_grabber openni_grabber.cpp)
target_link_libraries (openni_grabber ${PCL_LIBRARIES})
编译后执行可执行文件的结果如下
微信公众号号可扫描二维码一起共同学习交流
未完待续*******************************************8