SACSegmentation检测奇平面模型
SACSegmentation detecting odd plane model
我正在尝试将平面模型拟合到点云(具有类平面结构)。
我遇到的问题是,即使将距离阈值设置为相对较大的值,拟合平面也只是云的一小部分。
下面是一些结果图片:(白点是模型内点)
你可以看到这里的云有多薄:
我调整了 SACSegmentation 对象的各种参数,甚至尝试了 PCL 没有成功的多种 RANSAC 方法。
这是显示的点云:
https://drive.google.com/file/d/0B0PUIShwQuU7RmFKUW1Cd2V1Zk0/view?usp=sharing
下面是非常接近教程的最少代码:
#include <iostream>
#include <pcl/ModelCoefficients.h>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/sample_consensus/method_types.h>
#include <pcl/sample_consensus/model_types.h>
#include <pcl/segmentation/sac_segmentation.h>
int
main(int argc, char** argv)
{
pcl::PointCloud<pcl::PointXYZI>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZI>);
pcl::io::loadPCDFile<pcl::PointXYZI>("test.pcd", *cloud); //* load the file
pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);
pcl::PointIndices::Ptr inliers(new pcl::PointIndices);
// Create the segmentation object
pcl::SACSegmentation<pcl::PointXYZI> seg;
// Optional
seg.setOptimizeCoefficients(true);
// Mandatory
seg.setModelType(pcl::SACMODEL_PLANE);
seg.setMethodType(pcl::SAC_RANSAC);
seg.setDistanceThreshold(0.025);
seg.setInputCloud(cloud);
seg.segment(*inliers, *coefficients);
if (inliers->indices.size() == 0)
{
PCL_ERROR("Could not estimate a planar model for the given dataset.");
return (-1);
}
std::cerr << "Model coefficients: " << coefficients->values[0] << " "
<< coefficients->values[1] << " "
<< coefficients->values[2] << " "
<< coefficients->values[3] << std::endl;
//add points to plane that fit plane model
pcl::PointCloud<pcl::PointXYZI>::Ptr output(new pcl::PointCloud<pcl::PointXYZI>);
for (size_t i = 0; i < inliers->indices.size(); ++i)
{
output->push_back(cloud->points[inliers->indices[i]]);
}
displaySubcloud(cloud, output);
displayPlane(cloud, coefficients, "plane");
return (0);
}
我想出了一个解决方案,但我不知道它为什么会修复它。通过将云移近原点,它能够检测到正确的平面模型。
我遇到了同样的问题。翻译点云对我不起作用。我对点云进行了下采样并且它有效,但是下采样对程序来说花费了太多时间。
我正在尝试将平面模型拟合到点云(具有类平面结构)。
我遇到的问题是,即使将距离阈值设置为相对较大的值,拟合平面也只是云的一小部分。
下面是一些结果图片:(白点是模型内点)
你可以看到这里的云有多薄:
我调整了 SACSegmentation 对象的各种参数,甚至尝试了 PCL 没有成功的多种 RANSAC 方法。
这是显示的点云: https://drive.google.com/file/d/0B0PUIShwQuU7RmFKUW1Cd2V1Zk0/view?usp=sharing
下面是非常接近教程的最少代码:
#include <iostream>
#include <pcl/ModelCoefficients.h>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/sample_consensus/method_types.h>
#include <pcl/sample_consensus/model_types.h>
#include <pcl/segmentation/sac_segmentation.h>
int
main(int argc, char** argv)
{
pcl::PointCloud<pcl::PointXYZI>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZI>);
pcl::io::loadPCDFile<pcl::PointXYZI>("test.pcd", *cloud); //* load the file
pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);
pcl::PointIndices::Ptr inliers(new pcl::PointIndices);
// Create the segmentation object
pcl::SACSegmentation<pcl::PointXYZI> seg;
// Optional
seg.setOptimizeCoefficients(true);
// Mandatory
seg.setModelType(pcl::SACMODEL_PLANE);
seg.setMethodType(pcl::SAC_RANSAC);
seg.setDistanceThreshold(0.025);
seg.setInputCloud(cloud);
seg.segment(*inliers, *coefficients);
if (inliers->indices.size() == 0)
{
PCL_ERROR("Could not estimate a planar model for the given dataset.");
return (-1);
}
std::cerr << "Model coefficients: " << coefficients->values[0] << " "
<< coefficients->values[1] << " "
<< coefficients->values[2] << " "
<< coefficients->values[3] << std::endl;
//add points to plane that fit plane model
pcl::PointCloud<pcl::PointXYZI>::Ptr output(new pcl::PointCloud<pcl::PointXYZI>);
for (size_t i = 0; i < inliers->indices.size(); ++i)
{
output->push_back(cloud->points[inliers->indices[i]]);
}
displaySubcloud(cloud, output);
displayPlane(cloud, coefficients, "plane");
return (0);
}
我想出了一个解决方案,但我不知道它为什么会修复它。通过将云移近原点,它能够检测到正确的平面模型。
我遇到了同样的问题。翻译点云对我不起作用。我对点云进行了下采样并且它有效,但是下采样对程序来说花费了太多时间。