PCL：基于颜色的区域生长分割

Posted 2021-10-15 没事就要敲代码

文章目录

• • 1 原理
  • 2 代码实现
  • 3 结果展示
  • 4 注意

1 原理

基于颜色的区域生长分割的基本思想与 基于颜色的区域生长分割 相同。

基于颜色的算法有两个主要区别：

• 第一个是它使用颜色而不是法线。
• 第二种是使用合并算法进行过分割和欠分割控制，分割后，尝试合并具有相近颜色的簇。两个相邻簇的平均颜色相差很小，它们合并在一起。然后进行第二个合并步骤。在这一步中，每个集群都会根据其包含的点数进行验证。如果此数字小于用户定义的值，则当前群集将与最近的相邻群集合并。

2 代码实现

代码：

#include <pcl/io/pcd_io.h>
#include <pcl/search/search.h>
#include <pcl/search/kdtree.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/segmentation/region_growing_rgb.h>
#include <pcl/console/time.h>

using namespace std;

int main()
{
	//------------------------------- 加载点云 -------------------------------
	cout << "->正在加载点云..." << endl;
	pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud <pcl::PointXYZRGB>);
	if (pcl::io::loadPCDFile<pcl::PointXYZRGB>("road.pcd", *cloud) < 0)
	{
		PCL_ERROR("\\a点云文件不存在！\\n");
		system("pause");
		return (-1);
	}
	cout << "->加载点的个数：" << cloud->points.size() << endl;
	//========================================================================
	
	//--------------------------- 基于颜色的区域生长 ---------------------------
	pcl::console::TicToc time;
	time.tic();
	cout << "->正在进行基于颜色的区域生长..." << endl;
	pcl::search::Search <pcl::PointXYZRGB>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZRGB>);
	pcl::RegionGrowingRGB<pcl::PointXYZRGB> rgr;	//创建生长对象
	rgr.setInputCloud(cloud);						//设置输入点云
	rgr.setSearchMethod(tree);						//设置搜索方法
	rgr.setDistanceThreshold(0.2);					//设置距离阈值，用于判断两点是否相邻，小于阈值的为相邻点，用于聚类邻域点搜索
	rgr.setPointColorThreshold(20);					//设置点之间的颜色阈值，类似于基于曲率的区域生长中的平滑阈值，用于提取同一区域的点
	rgr.setRegionColorThreshold(20);				//设置聚类之间的颜色阈值，用于聚类合并
	rgr.setMinClusterSize(50);						//设置满足一个聚类的最小点数，如果聚类点数小于该阈值，则将其与最近的一个聚类合并
	rgr.setMaxClusterSize(99999999);				//设置满足一个聚类的最大点数
	std::vector <pcl::PointIndices> clusters;		//聚类索引向量
	rgr.extract(clusters);							//获取聚类结果，并保存到索引向量中
	cout << "->聚类个数为" << clusters.size() << endl;
	cout << "->区域生长用时：" << time.toc() / 1000 << " s" << endl;
	//========================================================================

	//----------------------------- 可视化生长结果 -----------------------------
	pcl::PointCloud <pcl::PointXYZRGB>::Ptr colored_cloud = rgr.getColoredCloud();	//对不同的分类结果随机赋色
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("基于颜色的区域生长分割结果"));
	viewer->addPointCloud<pcl::PointXYZRGB>(colored_cloud, "colored_cloud");
	//viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "colored_cloud");
	while (!viewer->wasStopped())
	{
		viewer->spinOnce(100);
		boost::this_thread::sleep(boost::posix_time::microseconds(100000));
	}
	//========================================================================

	return (0);
}

输出结果：

->正在加载点云...
->加载点的个数：200293
->正在进行基于颜色的区域生长...
->聚类个数为141
->区域生长用时：215.995 s

3 结果展示

实验点云点数为 200293，点间距为 5cm，实验结果如下：

	两个颜色阈值均为5，聚类个数为675，耗时 775.568 s
	两个颜色阈值均为20，聚类个数为141，耗时 215.995 s

4 注意

点 $P_1$ 与点 $P_2$ 之间的颜色距离（Color Distance）定义为：
$$CD(P_1,P_2)=\sqrt{(R_1-R_2{)}^2+(G_1-G_2{)}^2+(B_1-B_2{)}^2)}$$
式中，$R_1,G_1,B_1$ 和 $R_2,G_2,B_2$ 分别为点 $P_1$ 与点 $P_2$ 的RGB值。

颜色阈值设置的越小，分割越精细，耗时越长。

---

相关链接：

PCL：基于区域生长的点云分割原理与实现

PCL点云数据处理基础❤️❤️❤️目录