5张彩色图+5张深度图+PCL= 点云拼接

该代码源于《视觉SLAM十四讲》 joinMap.cpp
主要是用已知的图片（5张彩色+5张深度图）+ pose.txt(相机位姿-> 前三位是xyz轴方向上的平移量，后四位是旋转四元数实部+虚部； 用以上数据得到点云
思路： 先用位姿数据计算得出旋转矩阵T
而后根据图片的像素坐标以及相机内参计算得出实物的相机坐标；最后将相机坐标转换为世界坐标
操作注意事项：
1. 先在build文件夹路径下编译源码 得到可执行文件；
2. 将可执行文件复制到 pose.txt路径下（该路径下还有存放彩色图和深度图的文件夹） 而后执行./joinMap 得到.pcd 地图
3. 执行pcl_viewer map.pcd 用可视化程序显示拼接的地图

该页代码用于日后查找方便 （添加了部分笔记）

#include 
#include 
using namespace std;
#include 
#include 
#include  
#include   // for formating strings

#include  
#include  
#include 

int main( int argc, char** argv )
{
    vector colorImgs, depthImgs;    // 彩色图和深度图 每张图用矩阵存储 多张图以向量形式表示
    vector poses;   //欧式变换矩阵  4 *4    // 相机位姿
    //读操作（输入）的文件类
    ifstream fin("./pose.txt");//每行前三个数是平移（xyz） 后四个是四元数 指的是相机姿态
    if (!fin)
    {
        cerr<<"请在有pose.txt的目录下运行此程序"<return 1;
    }

    for ( int i=0; i<5; i++ )
    {
        //boost::format 类似C++中的printf
        boost::format fmt( "./%s/%d.%s" ); //图像文件格式

        colorImgs.push_back( cv::imread( (fmt%"color"%(i+1)%"png").str() ));//str() 函数将对象转化为适于人阅读的形式。
        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};
        for ( auto& d:data )
            fin>>d;
        //最后一位是四元数实部
        Eigen::Quaterniond q( data[6], data[3], data[4], data[5] );
        Eigen::Isometry3d T(q);
        T.pretranslate( Eigen::Vector3d( data[0], data[1], data[2] ));
        poses.push_back( T );//T是 相机位姿（装的是5张图的位姿）
    }

    // 计算点云并拼接
    // 相机内参 
    double cx = 325.5;
    double cy = 253.5; //平移
    double fx = 518.0;
    double fy = 519.0;//缩放×焦距
    double depthScale = 1000.0;

    cout<<"正在将图像转换为点云..."<// 新建一个点云//PointCoud::Ptr是一个智能指针类 通过构造函数初始化指针指向的申请的空间
       /*Ptr是一个智能指针，返回一个PointCloud 其中PointT是pcl::PointXYZRGB类型。它重载了->  返回了指向PointCloud的指针
     *Ptr是下面类型 boost::shared_ptr > */
        /*pointCloud 是一个智能指针类型的对象 具体可以参考http://blog.csdn.net/worldwindjp/article/details/18843087*/
    // 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++ )
    {
        cout<<"转换图像中: "<1<for ( int v=0; vfor ( int u=0; uunsigned int d = depth.ptr<unsigned short> ( v )[u]; // 深度值（第v行u列）
                if ( d==0 ) continue; // 为0表示没有测量到
                Eigen::Vector3d point; //像素坐标
                point[2] = double(d)/depthScale; //Z 深度
                point[0] = (u-cx)*point[2]/fx;//x坐标
                point[1] = (v-cy)*point[2]/fy; 
                Eigen::Vector3d pointWorld = T* point ;//将相机坐标系下的坐标变换到世界坐标系

                PointT p ;
                p.x = pointWorld[0];
                p.y = pointWorld[1];
                p.z = pointWorld[2];
                /*  color.step 虽然是一个类，但是它内部有一个转换操作符 operator size_t() const;
131                  * 此时的color.size编译器就会把它当做size_t类型的变量,这个值的大小是1920 这个是随着图像的读入MAT类中会有自动转换然后存储的buf[]中 */
                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 ];
                pointCloud->points.push_back( p );
            }
    }

    pointCloud->is_dense = false;
    cout<<"点云共有"<size()<<"个点."<"map.pcd", *pointCloud );
    return 0;
}