枣庄住房和城乡建设局网站,wordpress卖东西,下载类wordpress主题,网站建设需要些什么目录 一、算法原理1. 点云投影2. 网格划分3. 密度计算4. 完整流程5. 关键公式说明 二、代码实现三、结果展示 博客长期更新#xff0c;本文最新更新时间为#xff1a;2025年6月14日。
一、算法原理
1. 点云投影 设原始点云集合为#xff1a; P { p i } i 1 N , p i ( … 目录 一、算法原理1. 点云投影2. 网格划分3. 密度计算4. 完整流程5. 关键公式说明 二、代码实现三、结果展示 博客长期更新本文最新更新时间为2025年6月14日。
一、算法原理
1. 点云投影 设原始点云集合为 P { p i } i 1 N , p i ( x i , y i , z i ) ∈ R 3 P \{ \mathbf{p}_i \}_{i1}^N, \quad \mathbf{p}_i (x_i, y_i, z_i) \in \mathbb{R}^3 P{pi}i1N,pi(xi,yi,zi)∈R3
投影到XY平面可推广到任意平面 P proj { ( x i , y i ) } i 1 N P_{\text{proj}} \{ (x_i, y_i) \}_{i1}^N Pproj{(xi,yi)}i1N
2. 网格划分
计算投影点集边界 { x min min 1 ≤ i ≤ N x i x max max 1 ≤ i ≤ N x i y min min 1 ≤ i ≤ N y i y max max 1 ≤ i ≤ N y i \begin{cases} x_{\min} \min\limits_{1 \leq i \leq N} x_i \\ x_{\max} \max\limits_{1 \leq i \leq N} x_i \\ y_{\min} \min\limits_{1 \leq i \leq N} y_i \\ y_{\max} \max\limits_{1 \leq i \leq N} y_i \end{cases} ⎩ ⎨ ⎧xmin1≤i≤Nminxixmax1≤i≤Nmaxxiymin1≤i≤Nminyiymax1≤i≤Nmaxyi
定义网格尺寸 s s s用户参数计算网格维度 m ⌈ x max − x min s ⌉ , n ⌈ y max − y min s ⌉ m \left\lceil \frac{x_{\max} - x_{\min}}{s} \right\rceil, \quad n \left\lceil \frac{y_{\max} - y_{\min}}{s} \right\rceil m⌈sxmax−xmin⌉,n⌈symax−ymin⌉
3. 密度计算
对于网格单元 ( j , k ) (j,k) (j,k)
区域范围 R j k [ x min j ⋅ s , x min ( j 1 ) ⋅ s ) × [ y min k ⋅ s , y min ( k 1 ) ⋅ s ) R_{jk} [x_{\min} j \cdot s, x_{\min} (j1) \cdot s) \times [y_{\min} k \cdot s, y_{\min} (k1) \cdot s) Rjk[xminj⋅s,xmin(j1)⋅s)×[ymink⋅s,ymin(k1)⋅s)点数统计 C j k ∑ i 1 N 1 R j k ( x i , y i ) C_{jk} \sum_{i1}^{N} \mathbf{1}_{R_{jk}}(x_i, y_i) Cjki1∑N1Rjk(xi,yi) 其中 1 \mathbf{1} 1 为指示函数 1 R j k ( x , y ) { 1 if ( x , y ) ∈ R j k 0 otherwise \mathbf{1}_{R_{jk}}(x,y) \begin{cases} 1 \text{if } (x,y) \in R_{jk} \\ 0 \text{otherwise} \end{cases} 1Rjk(x,y){10if (x,y)∈Rjkotherwise点密度 D j k C j k A , A s 2 ( 单位面积 ) D_{jk} \frac{C_{jk}}{A}, \quad A s^2 \quad (\text{单位面积}) DjkACjk,As2(单位面积)
4. 完整流程 输入点云 P , 网格尺寸 s ↓ 1. 投影 P proj { ( x i , y i ) ∣ ∀ p i ∈ P } ↓ 2. 边界计算 x min , x max , y min , y max ↓ 3. 网格划分 m × n 网格 ↓ 4. 密度计算 D j k 1 s 2 ∑ i 1 N 1 [ x min j s , x min ( j 1 ) s ) ( x i ) ⋅ 1 [ y min k s , y min ( k 1 ) s ) ( y i ) for j 0 , … , m − 1 ; k 0 , … , n − 1 ↓ 输出密度矩阵 D [ D j k ] m × n \boxed{ \begin{array}{c} \text{输入点云 } P, \text{ 网格尺寸 } s \\ \downarrow \\ \text{1. 投影} P_{\text{proj}} \{(x_i,y_i) | \forall \mathbf{p}_i \in P\} \\ \downarrow \\ \text{2. 边界计算} x_{\min}, x_{\max}, y_{\min}, y_{\max} \\ \downarrow \\ \text{3. 网格划分} m \times n \text{ 网格} \\ \downarrow \\ \text{4. 密度计算} \\ D_{jk} \dfrac{1}{s^2} \sum\limits_{i1}^{N} \mathbf{1}_{[x_{\min}js,\ x_{\min}(j1)s)}(x_i) \cdot \mathbf{1}_{[y_{\min}ks,\ y_{\min}(k1)s)}(y_i) \\ \text{for } j0,\dots,m-1; \ k0,\dots,n-1 \\ \downarrow \\ \text{输出密度矩阵 } \mathbf{D} [D_{jk}]_{m \times n} \end{array} } 输入点云 P, 网格尺寸 s↓1. 投影Pproj{(xi,yi)∣∀pi∈P}↓2. 边界计算xmin,xmax,ymin,ymax↓3. 网格划分m×n 网格↓4. 密度计算Djks21i1∑N1[xminjs, xmin(j1)s)(xi)⋅1[yminks, ymin(k1)s)(yi)for j0,…,m−1; k0,…,n−1↓输出密度矩阵 D[Djk]m×n
5. 关键公式说明 网格索引映射 j ⌊ x i − x min s ⌋ , k ⌊ y i − y min s ⌋ j \left\lfloor \frac{x_i - x_{\min}}{s} \right\rfloor, \quad k \left\lfloor \frac{y_i - y_{\min}}{s} \right\rfloor j⌊sxi−xmin⌋,k⌊syi−ymin⌋ 确保点落入正确网格单元 边界处理 j ∈ [ 0 , m − 1 ] , k ∈ [ 0 , n − 1 ] j \in [0, m-1], \quad k \in [0, n-1] j∈[0,m−1],k∈[0,n−1] 超出范围的索引被丢弃 密度单位 D j k D_{jk} Djk 单位为 点 / m 2 \text{点}/\text{m}^2 点/m2当 s s s 以米为单位时用于量化局部点云密度
此方法通过降维投影和空间离散化将三维密度计算转化为二维直方图统计是点云分析的基础操作。
二、代码实现
#include vector
#include pcl/io/pcd_io.h
#include pcl/point_cloud.h
#include pcl/point_types.h
#include pcl/common/common.h// 计算投影密度
void computeProjectionDensity(pcl::PointCloudpcl::PointXYZ::Ptr cloud, float grid_size, std::vectorstd::vectorfloat density_grid)
{// 获取点云边界pcl::PointXYZ min_pt, max_pt;pcl::getMinMax3D(*cloud, min_pt, max_pt);// 计算网格维度XY平面投影int grid_x ceil((max_pt.x - min_pt.x) / grid_size);int grid_y ceil((max_pt.y - min_pt.y) / grid_size);// 初始化密度网格density_grid.resize(grid_x, std::vectorfloat(grid_y, 0.0f));// 统计每个网格的点数for (const auto point : cloud-points) {int x_idx (point.x - min_pt.x) / grid_size;int y_idx (point.y - min_pt.y) / grid_size;if (x_idx 0 x_idx grid_x y_idx 0 y_idx grid_y) {density_grid[x_idx][y_idx] 1.0f;}}// 计算密度点数/单位面积float cell_area grid_size * grid_size;for (int i 0; i grid_x; i) {for (int j 0; j grid_y; j) {density_grid[i][j] / cell_area;}}
}// 使用示例
int main()
{pcl::PointCloudpcl::PointXYZ::Ptr cloud(new pcl::PointCloudpcl::PointXYZ);if (pcl::io::loadPCDFilepcl::PointXYZ(E://data//道路.pcd, *cloud) -1){PCL_ERROR(Cloudnt read file!);return -1;}std::vectorstd::vectorfloat density_grid;computeProjectionDensity(cloud, 0.1f, density_grid); // 网格尺寸0.1m// 输出密度结果for (const auto row : density_grid) {for (float density : row) {std::cout density ;}std::cout std::endl;}return 0;
}三、结果展示
