视觉slam十四讲ch5 joinMap.cpp 代码注释（笔记版）

转自：https://www.cnblogs.com/newneul/p/8407369.html

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

int main( int argc, char** argv )
{
    /*彩色图和灰度图各5张，所以用容器来存储*/
    vector colorImgs, depthImgs;    // 彩色图和深度图

    /*vector有两个参数，后面的参数一般是默认的，这里用适合Eigen库的对齐方式来初始化容器，总共有5张图片 所以对应着5个位姿矩阵*/
    vector> poses;   // 相机位姿
    
    ifstream fin("./pose.txt");
    if (fin.bad())//如果没有打开 那么提示错误！
    {
        cerr<<"请在有pose.txt的目录下运行此程序"<>d;//文件流类型的变量fin将pose.txt中的数据给了d数组
        Eigen::Quaterniond q( data[6], data[3], data[4], data[5] ); //四元数 data[6]是实数 但是coeffis输出的是先虚数后实数
        Eigen::Isometry3d T(q);                                     //变换矩阵初始化旋转部分，
        T.pretranslate( Eigen::Vector3d( data[0], data[1], data[2] ));//变换矩阵初始化平移向量部分
        poses.push_back( T );   //存储变换矩阵到位姿数组中
    }
    
    // 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..."< PointCloud;
    
    // 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*/
    PointCloud::Ptr pointCloud( new PointCloud );
//    pcl::PointCloud::Ptr pointCloud( new pcl::PointCloud );

    /*将5张图片 像素坐标转换到相机坐标 之后转换到世界坐标存储到点云格式的变量中 for循环之后用pcl的相关函数将点云转换到pcl能够显示的格式*/
    for ( int i=0; i<5; i++ )//转换5张图像
    {
        cout<<"转换图像中: "<(471,537)[0] = 12;//修改图像上的对应像素位置的值
        //color.ptr(471)[537][0] = 12;//与上面的效果一样

        //测试像素的输出效果,这里无法通过cout<(471,537)[0] 这种方式来输出第一个通道的值,因为每个通道的像素占了8位而unsigned char
        // 表示ascii码 所以输出的时候不是正确的数字，可以通过下面的方式强制转化为int类型（或者用自带的类型转换方式进行显示转换），就可以看到内部的值了
        //需要注意的一点是 cout页无法输出char类型的变量的地址，也是需要强制转换成void *类型的指针才能正常输出char类型变量的地址信息。
        if(colorImgs[i].channels() == 3) {
             std::cout << "测试1结果 " << color.ptr(471)[537] << "正确的结果:  "
                       << (char) color.at(471, 537)[0] << std::endl;
             std::cout << depth.ptr(471)[537] << std::endl;
             std::cout << colorImgs[i].at(471, 537) << std::endl;
        }
                     插入部分结束
         */

        /*对图像像素进行坐标转换，将图像的坐标通过内参矩阵K转换为相机坐标系下的坐标，之后通过外参矩阵T 转化为世界坐标系下的坐标*/
        for ( int v=0; v ( v ) 来获取行指针*/
                unsigned int d = depth.ptr ( v )[u]; // 深度值16位存储 一般color图像像素中每一个通道是8位

                 /*             单通道遍历图像的方式总结:
                 *  注意深度图像的像素占16位 与普通图片每个通道的像素为8位不同
                 * 1、同样是用上面的双层for循环，遍历图像 用at方式
                 * for ( int v=0; v(v,u);
                 *
                 *
                 * 2、使用迭代器进行图像的遍历
                 * 不是基于for循环了
                 * cv::MatIterator_ begin,end;
                 * for( begin =depth.begin(), end = depth.end(); begin != end; ){}
                 *
                 * 3、使用指针的方式 如本实验的结果
                 * */

                //迭代器的参数是通道数，因为深度图是单通道的，每个像素的值是unsigned short，所以参数是unsigned short
                //begin代表像素的开始地方
                if ( d==0 ) continue;                // 为0表示没有测量到 然后继续进行for循环那么跳过这个像素继续执行 在后面形成点云时需要设置is_dense为假
                Eigen::Vector3d point;
                point[2] = double(d)/depthScale;    //对实际尺度的一个缩放
                point[0] = (u-cx)*point[2]/fx;      //根据书上5.5式子---86页
                point[1] = (v-cy)*point[2]/fy; 
                Eigen::Vector3d pointWorld = T*point;   //将相机坐标系转换为世界坐标系
                
                PointT p ;
                p.x = pointWorld[0];    //将世界坐标系下的坐标用pcl专门的点云格式存储起来
                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;
                 * 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 ];

                /*  -> 是智能指针重载的 然后返回的类型就是输入的类型 可以看上面Ptr的解释说明 */
                pointCloud->points.push_back( p );//存储格式好的点
            }
    }
    std::cout<<"点云的列和行为 ： "<width<<" "<height<is_dense = false;
    std::cout<<"点云的列和行为 ： "<width<<" "<height<size()<<"个点."<（v,u）[0] 表示第一个通道的像素的值
 *      image.at(v,u)[1]
 *      image.at(v,u)[2]
 * 2、使用迭代器方式 (实际上就是一个指针指向了 cv::Mat矩阵元素)
 * cv::MatIterator_begin,end;
 * for( begin = image.begin(), end = image.end() ; begin != end;  )
 *      (*begin)[0] = ...
 *      (*begin)[1] = ...
 *      (*begin)[2] = ...
 *
 * 3、用指针的方式操作
 * for(v)
 *  for(u)
 *      image.ptr(v)[u][0] 表示第一个通道
 *      image.ptr(v)[u][0] 表示第二通道
 *              .
 *              .
 *              .
 * */