一种网格点云快速法线估计方法
Posted lovebay
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了一种网格点云快速法线估计方法相关的知识,希望对你有一定的参考价值。
////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////// // 估计法线 int TopographyMesh::normalEstimation( std::vector<PointType>& in_points, std::vector<PCTTM_TriangleFace>& face_vect, std::vector<Normal>& out_normals_face, std::vector<Normal>& out_normals_point, const int& k) { if (in_points.size() <= 3) { std::cout << "pointVect <= 3 ..." << std::endl; return -1; } if (k<3) { std::cout << "‘K‘ input must >= 3 ..." << std::endl; return -1; } int dataSize = in_points.size(); std::vector<Vector3d> n_vect(face_vect.size()); std::vector<PointType> mid_vect(face_vect.size()); for (size_t i = 0; i < face_vect.size(); i++) { Vector3d v( in_points[face_vect[i].p_index_1].x - in_points[face_vect[i].p_index_0].x, in_points[face_vect[i].p_index_1].y - in_points[face_vect[i].p_index_0].y, in_points[face_vect[i].p_index_1].z - in_points[face_vect[i].p_index_0].z); Vector3d w( in_points[face_vect[i].p_index_2].x - in_points[face_vect[i].p_index_0].x, in_points[face_vect[i].p_index_2].y - in_points[face_vect[i].p_index_0].y, in_points[face_vect[i].p_index_2].z - in_points[face_vect[i].p_index_0].z); // Normal n(0.0, 0.0, 100.0); //法线方向矫正 Eigen::Vector3d v1= v.cross(w); Eigen::Vector3d v2(0.0, 0.0, 100.0); if (atan2(v1.cross(v2).norm(), v1.transpose() * v2) > 0.5*M_PI) //判断点的法线 与 固定法线的夹角 { n_vect[i] = (-1)*v1; } else { n_vect[i] = v1; } //三角形几何中心 mid_vect[i].x = (in_points[face_vect[i].p_index_2].x + in_points[face_vect[i].p_index_1].x + in_points[face_vect[i].p_index_0].x) / 3.0; mid_vect[i].y = (in_points[face_vect[i].p_index_2].y + in_points[face_vect[i].p_index_1].y + in_points[face_vect[i].p_index_0].y) / 3.0; mid_vect[i].z = (in_points[face_vect[i].p_index_2].z + in_points[face_vect[i].p_index_1].z + in_points[face_vect[i].p_index_0].z) / 3.0; } out_normals_face = n_vect; //kdtree “k临近” KDT::KDTree skdtree; skdtree.setNumOfLeafData(100); //20-200 叶子存储数据数阈值 skdtree.setInputPointCloud(mid_vect); skdtree.buildKDTree(); out_normals_point.resize(dataSize); for (size_t j = 0; j < dataSize; j++) { std::vector<size_t> searchIndex(k); std::vector<float> searchDistance(k); skdtree.runKNNSearchK(in_points[j], k, &(searchIndex[0]), &(searchDistance[0])); Eigen::Vector3d xyz(0.0,0.0,0.0); for (size_t i = 0; i < k; i++) { xyz += n_vect[searchIndex[i]]; } out_normals_point[j] = xyz / (1.0*k); } return 0; }
以上是关于一种网格点云快速法线估计方法的主要内容,如果未能解决你的问题,请参考以下文章