第十二讲 RGBD稠密地图

#include
#include
using namespace std;


#include
#include
#include  
#include  // for formating strings
#include  
#include  
#include
#include
#include


int main( int argc, char** argv )
{
    vector colorImgs, depthImgs;    // 彩色图和深度图
    vector poses;         // 相机位姿
    
    ifstream fin("./data/pose.txt");
    if (!fin)
    {
        cerr<<"cannot find pose file"<        return 1;
    }
    
    for ( int i=0; i<5; i++ )
    {
        boost::format fmt( "./data/%s/%d.%s" ); // 图像文件格式./data/color(%S)/1(%d).png(%s)
        colorImgs.push_back( cv::imread( (fmt%"color"%(i+1)%"png").str() ));
        depthImgs.push_back( cv::imread( (fmt%"depth"%(i+1)%"pgm").str(), -1 )); // 使用-1读取原始图像
        
        double data[7] = {0}; // 一共7个，0-6
        for ( int i=0; i<7; i++ )
        {
            fin>>data[i];
        }
        Eigen::Quaterniond q( data[6], data[3], data[4], data[5] );// 四元数【6】实部
        Eigen::Isometry3d T(q);// 四元数（4*1）到旋转矩阵（4*4）
        T.pretranslate( Eigen::Vector3d( data[0], data[1], data[2] ));
        poses.push_back( T );
    }
    
    // 计算点云并拼接
    // 相机内参 
    double cx = 325.5;
    double cy = 253.5;
    double fx = 518.0;
    double fy = 519.0;
    double depthScale = 1000.0;
    
    cout<<"正在将图像转换为点云..."<    
    // 定义点云使用的格式：这里用的是XYZRGB
    typedef pcl::PointXYZRGB PointT; 
    typedef pcl::PointCloud PointCloud;
    
    // 新建一个点云
    PointCloud::Ptr pointCloud( new PointCloud ); 
    for ( int i=0; i<5; i++ )
    {
        PointCloud::Ptr current( new PointCloud );
        cout<<"转换图像中: "<        cv::Mat color = colorImgs[i]; 
        cv::Mat depth = depthImgs[i];
        Eigen::Isometry3d T = poses[i];
        for ( int v=0; v遍历每一个像素
            for ( int u=0; u            {
                unsigned int d = depth.ptr ( v )[u]; // 深度值
                if ( d==0 ) continue; // 为0表示没有测量到
                if ( d >= 7000 ) continue; // 深度太大时不稳定，去掉
                Eigen::Vector3d point; 
                point[2] = double(d)/depthScale; //z 相机坐标系
                point[0] = (u-cx)*point[2]/fx;//x
                point[1] = (v-cy)*point[2]/fy; //y
                Eigen::Vector3d pointWorld = T*point;
                
                PointT p ;
                p.x = pointWorld[0];
                p.y = pointWorld[1];
                p.z = pointWorld[2];
                p.b = color.data[ v*color.step+u*color.channels() ];
                p.g = color.data[ v*color.step+u*color.channels()+1 ];
                p.r = color.data[ v*color.step+u*color.channels()+2 ];
                current->points.push_back( p );
            }
        // depth filter and statistical removal 
        PointCloud::Ptr tmp ( new PointCloud );
        pcl::StatisticalOutlierRemoval statistical_filter;// 外点去除滤波器
        statistical_filter.setMeanK(50); // 设置在进行统计时考虑查询点邻近点数
        statistical_filter.setStddevMulThresh(1.0); // 设置判断是否为离群点的阈值
        statistical_filter.setInputCloud(current); // 设置待滤波的点云
        statistical_filter.filter( *tmp ); // 执行滤波处理，存储输出
        (*pointCloud) += *tmp;
    }
    
    pointCloud->is_dense = false;
    cout<<"点云共有"<size()<<"个点."<    
    // voxel filter 
    pcl::VoxelGrid voxel_filter; // 降采样滤波器
    voxel_filter.setLeafSize( 0.01, 0.01, 0.01 );       // resolution  // 设置滤波时创建的体素大小为 1cm 立方体
    PointCloud::Ptr tmp ( new PointCloud );
    voxel_filter.setInputCloud( pointCloud ); // 设置需要过滤的点云给滤波对象
    voxel_filter.filter( *tmp ); // 执行滤波处理，存储输出
    tmp->swap( *pointCloud );
    
    cout<<"滤波之后，点云共有"<size()<<"个点."<    
    pcl::io::savePCDFileBinary("map.pcd", *pointCloud );
    return 0;
}