PCL学习：点云特征-法线估计（2）

使用积分图进行法线估计

使用积分图计算一个有序的点云的法线，注意此方法只适用有序点云。

#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>
#include <pcl/features/integral_image_normal.h>
#include <pcl/visualization/cloud_viewer.h>
int
main ()
{
        //加载点云
        pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
        pcl::io::loadPCDFile ("..\\..\\source\\table_scene_mug_stereo_textured.pcd", *cloud);
        //估计法线
        pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>);
        pcl::IntegralImageNormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
    /*
    三种法线估计方法
    COVARIANCE_MATRIX 模式从具体某个点的局部邻域的协方差矩阵创建9个积分，来计算这个点的法线
    AVERAGE_3D_GRADIENT 模式创建6个积分图来计算水平方向和垂直方向的平滑后的三维梯度并使用两个        梯度间的向量积计算法线
    AVERAGE_DEPTH——CHANGE 模式只创建了一个单一的积分图，从而平局深度变化计算法线
    */
        ne.setNormalEstimationMethod (ne.AVERAGE_3D_GRADIENT);  //设置估算方法
        ne.setMaxDepthChangeFactor(0.02f);//最大深度变化系数
        ne.setNormalSmoothingSize(10.0f); //优化法线方向时考虑邻域大小
        ne.setInputCloud(cloud);          //输入点云，必须为有序点云
        ne.compute(*normals);             //执行法线估计，存储结果到normals
        //法线可视化
        pcl::visualization::PCLVisualizer viewer("PCL Viewer");
        viewer.setBackgroundColor (0.0, 0.0, 0.5);
        viewer.addPointCloudNormals<pcl::PointXYZ,pcl::Normal>(cloud, normals);
        while (!viewer.wasStopped ())
        {
        viewer.spinOnce ();
        }
        return 0;
}

 .\normal_estimation_using_integral_images.exe

运行结果如图 所示，法线方向基本一致朝向视点，视图视点朝向场景中的桌面，桌面上的杯子处出现平行于桌面的法线，而桌面上的点集的法线都垂直于桌面并指向点云本身获取时的视点，利用此方法进行法线估计只适用于有序点云，对于无序点云就只能采用其他方法。
其中，