如何从点云创建深度图像

 博客转载自：http://www.pclcn.org/study/shownews.php?lang=cn&id=202

本小节一起学习如何从点云和给定的传感器位置来创建深度图像，下面的程序，首先是生成一个矩形点云，然后基于该点云创建深度图像。

代码

首先，在PCL（Point Cloud Learning）中国协助发行的书提供光盘的第9章例1文件夹中，打开名为range_image_creation.cpp的代码文件。

解释说明

下面来解析打开源代码中的关键语句。

#include <pcl/range_image/range_image.h>          //深度图像头文件
int main (int argc, char** argv) {
  pcl::PointCloud<pcl::PointXYZ> pointCloud;      //定义点云对象
  for (float y=-0.5f; y<=0.5f; y+=0.01f) {        //循环产生点数据
   for (float z=-0.5f; z<=0.5f; z+=0.01f) {
      pcl::PointXYZ point;
      point.x = 2.0f - y;
      point.y = y;
      point.z = z;
      pointCloud.points.push_back(point);          //循环添加点数据到点云对象
    }
  }
  pointCloud.width = (uint32_t) pointCloud.points.size();
  pointCloud.height = 1;                            //设置点云对象的头信息

这段程序首先创建一组数据作为点云的数据内容，再设置文件头的信息，整个实现生成一个呈矩形形状的点云。

 float angularResolution = (float) (  1.0f * (M_PI/180.0f)); // 按弧度1度
  float maxAngleWidth     = (float) (360.0f * (M_PI/180.0f)); // 按弧度360.0度
  float maxAngleHeight    = (float) (180.0f * (M_PI/180.0f)); // 按弧度180.0度
  Eigen::Affine3f sensorPose = (Eigen::Affine3f)Eigen::Translation3f(0.0f, 0.0f, 0.0f);                                                           //采集位置
  pcl::RangeImage::CoordinateFrame coordinate_frame = pcl::RangeImage::CAMERA_FRAME;                           //深度图像遵循的坐标系统
  float noiseLevel=0.00;
  float minRange = 0.0f;
  int borderSize = 1;

这部分定义了创建深度图像时需要的设置参数，将角度分辨率定义为1度，意味着由邻近的像素点所对应的每个光束之间相差1度，maxAngleWidth=360和maxAngleHeight=180意味着，我们进行模拟的距离传感器对周围的环境拥有一个完整的360度视角，用户在任何数据集下都可以使用此设置，因为最终获取的深度图像将被裁剪到有空间物体存在的区域范围。但是，用户可以通过减小数值来节省一些计算资源，例如：对于传感器后面没有可以观测的点时，一个水平视角为180度的激光扫描仪，即maxAngleWidth=180就足够了，这样只需要观察距离传感器前面就可以了，因为后面没有需要观察的场景。sensorPose定义了模拟深度图像获取传感器的6自由度位置，其原始值为横滚角roll、俯仰角pitch、偏航角yaw都为0，coordinate_frame=CAMERA_FRAME说明系统的X轴是向右的，Y轴是向下的，Z轴是向前的，另外一个选择是LASER_FRAME，其X轴向前，Y轴向左，Z轴向上。noiseLevel=0是指使用一个归一化的Z缓冲器来创建深度图像，但是如果想让邻近点集都落在同一个像素单元，用户可以设置一个较高的值，例如noiseLevel=0.05可以理解为，深度距离值是通过查询点半径为5cm的圆内包含的点用来平均计算而得到的。如果minRange>0，则所有模拟器所在位置半径minRange内的邻近点都将被忽略，即为盲区。在裁剪图像时，如果borderSize>0，将在图像周围留下当前视点不可见点的边界。

 pcl::RangeImage rangeImage;
 rangeImage.createFromPointCloud(pointCloud, angularResolution, maxAngleWidth, maxAngleHeight, sensorPose, coordinate_frame, noiseLevel, minRange, borderSize);
 std::cout << rangeImage << "
";

其余的代码是使用那些用户给定的参数，从点云创建深度图像，并且在终端下打印出一些信息。深度图像继承于PointCloud类，它的点类型具有x，y，z和range距离字段，共有三种类型的点集，有效点集是距离大于零的点集，当前视点不可见点集x=y=z=NAN且值域为负无穷大，远距离点集x=y=z=NAN且值域为无穷大。

编译和运行程序

利用光盘提供的CMakeLists.txt文件，在cmake中建立工程文件，并生成相应的可执行文件。生成执行文件后，就可以运行了，在cmd中键入命令：

...>range_image_creation.exe

图1 从点云创建深度图像示例

运行结果如图1所示，打印出深度图像的宽高、分辨率等信息。

 

敬请关注PCL（Point Cloud Learning）中国更多的点云库PCL（Point Cloud Library）相关官方教程。

参考文献：

1.朱德海、郭浩、苏伟.点云库PCL学习教程（ISBN 978-7-5124-0954-5）北京航空航天出版社2012-10