对齐网格上的点云

Question

我必须测量两个云的对应点的Z距离。我打算迭代一个云，并使用另一个云的相同X和Y计算Z坐标之间的距离。不幸的是，它不起作用，因为在第二个云中从来没有在这些X坐标处有一个点。我目前的解决办法是在第二个云中为第一个云的X搜索最近的点。它起作用了，但速度很慢。

是否有一种方法来对齐X和Y坐标点在定义的网格使用PCL？这样，我希望way合作伙伴能更好地匹配。

编辑 Ok，这里有一些图片和更多的解释。

​

顶视图

​

侧视

有马鞍和马背的扫描。两者都是独立的，但在Z轴中对齐，两者的Z轴都是平行的.我想要创建一个层的模型，它正好适合马鞍下(而不仅仅是一个转角垫)。

因此，给定层的厚度，我想迭代马鞍点，并找到与马背上相应点的Z距离。由于Y坐标是浮动的，在马匹上几乎从来没有一个点与马鞍上的XY相同。

我认为。如果我能用给定的密度对齐所有的点，那么马上就会有一个对应的XY点，在它上面的每一个马鞍点。

Answer 1

我已经实现了一个概念的证明，并想要分享它。但是，我希望有一个“适当的”解决方案-- PCL函数。

bool alignToGrid( pcl::PointCloud<pcl::PointXYZRGBNormal>::Ptr cloud, QMap<QString, float > & grid, int density )
{
    pcl::PointXYZRGBNormal p1;
    p1.r=0;
    p1.g=0;
    p1.b=255;
    QMap<QString, QList<float> > tmpGridMap;
    for( std::vector<pcl::PointXYZRGBNormal, Eigen::aligned_allocator<pcl::PointXYZRGBNormal> >::iterator it1 = cloud->points.begin();
         it1 != cloud->points.end(); it1++ )
    {
        p1.x = it1->x;
        p1.y = it1->y;
        p1.z = it1->z;
        int gridx = p1.x*density;
        int gridy = p1.y*density;
        QString pos = QString("%1x%2").arg(gridx).arg(gridy);
        tmpGridMap[pos].append(p1.z);
    }

    for (QMap<QString, QList<float> >::iterator it =  tmpGridMap.begin(); it!=tmpGridMap.end(); ++it)
    {
        float meanZ=0;

        foreach( float f, it.value() )
        {
            meanZ+=f;
        }
        meanZ /= it.value().size();


        grid[it.key()] = meanZ;
    }
    return true;
}

其思想是在云中迭代，只留下/创建点，XY坐标位于定义的网格上。密度为1000的Kinect云导致约1毫米网格。网格点周围的所有点都用于建立Z-平均值.云层仍未被改变。输出是XY位置到Z的映射。XY位置存储在字符串中(我知道)为x。使用这个映射，很容易在其他网格对齐云中找到对应的XY点。

现在我可以用任何密度绘制我的云图了。在图像中，例如1毫米和1厘米。

​

​

​

​

Answer 2

我不太确定这是否是你的意思，但也许你所说的“网格”可能就是图像平面？因此，与使用3D点云不同，您可以获取深度映射/深度图像，并在相同的图像坐标下比较两个深度映射的值。这将假定录音已经对齐。

如果只有点云数据，就必须在飞机上执行投影(为此，您必须了解摄像机的本质)。

另一种选择可能是使用注册方法(例如ICP)对齐云。然后，您也可以得到距离之和对应的云点。