ros开发中用PCL Voxel_grid处理PointCloud2点云格式数据
2017-01-22 15:30
1026 查看
在用双目摄像头进行视觉测距、识别时,会经常用到点云格式,PointCloud2格式的数据.我们将PointCloud2转化成costmap_2d,生成珊格地图。然后进行路径规划等操作。在实际测试时,由于PointCloud2的点云格式太大,懂则几十万个点,系统在运行转化时负荷太大,又由于性能影响,可能会有生成costmap珊格地图卡滞等情况。甚至无法达到设定的刷新频率。
这种情况下,可以使用pcl的Voxel_grid体素珊格滤波器对PointCloud2进行下采样,大大减少点云点的数量,提高效率和转化速率,减小系统负担。
由于我们是在ROS平台进行开发和调试,通过ROS中的TOPIC接受到来自摄像头的points数据,然后对数据进行下采样滤波后输出。
在ROS平台下使用PCL,官方文档给出了比较好的例子,参见http://wiki.ros.org/pcl/Tutorials#pcl.2BAC8-Tutorials.2BAC8-hydro.Add_the_source_file_to_CMakeLists.txt
首先,以下是源代码,头文件是必须要添加的。
#include<ros/ros.h> //ros标准库头文件
#include<iostream> //C++标准输入输出库
#include <stdio.h>
/*
以下是pointcloud2转化的必要的头文件
*/
#include <sensor_msgs/PointCloud2.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/point_cloud.h>
static const std::string pointstopic = "/camera/depth/points";//设置topic名称
ros::Publisher points_pub;//定义ROS消息发布器
/*以下为滤波函数,首先需要将sensor_msg::PointCloud2格式转化成pcl::PCLPointCloud2格式,然后再使用VoxelGrid滤波 */
void pointsdo(const sensor_msgs::PointCloud2ConstPtr& msg)
{
pcl::PCLPointCloud2* cloud = new pcl::PCLPointCloud2;
pcl::PCLPointCloud2ConstPtr cloudPtr(cloud);
pcl::PCLPointCloud2 msg_filtered;
pcl_conversions::toPCL(*msg, *cloud);
pcl::VoxelGrid<pcl::PCLPointCloud2> sor;
sor.setInputCloud(cloudPtr); //设置需要过滤的点云给滤波对象
sor.setLeafSize(0.02,0.02,0.02); //设置滤波时创建的体素大小为2cm立方体,通过设置该值可以直接改变滤波结果,值越大结果越稀疏
sor.filter(msg_filtered); //执行滤波处理,存储输出msg_filtered
sensor_msgs::PointCloud2 point_output;
pcl_conversions::fromPCL(msg_filtered, point_output);
points_pub.publish(point_output);
}
int main(int argc, char** argv)
{
ros::init(argc, argv, "realcam_node");
ros::NodeHandle nh;
ros::Subscriber sub = nh.subscribe (pointstopic, 1, pointsdo);
points_pub=nh.advertise<sensor_msgs::PointCloud2>("/camera/depth/points_filter", 1);
ros::spin();
return 0;
}
在ROS下,还需要更改Cmakelist.txt和package.xml文件,在Cmakelist.txt中添加以下语句:
find_package(catkin REQUIRED COMPONENTS
cmake_modules
geometry_msgs
message_generation
roscpp
sensor_msgs
std_msgs
nodelet
pcl_ros
)
find_package(PCL 1.6 REQUIRED)
在package.xml文件中添加:
<build_depend>libpcl-all-dev</build_depend>
<run_depend>libpcl-all</run_depend>
然后,大功告成了,以下是转化结果:
原图:
转化后:
这种情况下,可以使用pcl的Voxel_grid体素珊格滤波器对PointCloud2进行下采样,大大减少点云点的数量,提高效率和转化速率,减小系统负担。
由于我们是在ROS平台进行开发和调试,通过ROS中的TOPIC接受到来自摄像头的points数据,然后对数据进行下采样滤波后输出。
在ROS平台下使用PCL,官方文档给出了比较好的例子,参见http://wiki.ros.org/pcl/Tutorials#pcl.2BAC8-Tutorials.2BAC8-hydro.Add_the_source_file_to_CMakeLists.txt
首先,以下是源代码,头文件是必须要添加的。
#include<ros/ros.h> //ros标准库头文件
#include<iostream> //C++标准输入输出库
#include <stdio.h>
/*
以下是pointcloud2转化的必要的头文件
*/
#include <sensor_msgs/PointCloud2.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/point_cloud.h>
static const std::string pointstopic = "/camera/depth/points";//设置topic名称
ros::Publisher points_pub;//定义ROS消息发布器
/*以下为滤波函数,首先需要将sensor_msg::PointCloud2格式转化成pcl::PCLPointCloud2格式,然后再使用VoxelGrid滤波 */
void pointsdo(const sensor_msgs::PointCloud2ConstPtr& msg)
{
pcl::PCLPointCloud2* cloud = new pcl::PCLPointCloud2;
pcl::PCLPointCloud2ConstPtr cloudPtr(cloud);
pcl::PCLPointCloud2 msg_filtered;
pcl_conversions::toPCL(*msg, *cloud);
pcl::VoxelGrid<pcl::PCLPointCloud2> sor;
sor.setInputCloud(cloudPtr); //设置需要过滤的点云给滤波对象
sor.setLeafSize(0.02,0.02,0.02); //设置滤波时创建的体素大小为2cm立方体,通过设置该值可以直接改变滤波结果,值越大结果越稀疏
sor.filter(msg_filtered); //执行滤波处理,存储输出msg_filtered
sensor_msgs::PointCloud2 point_output;
pcl_conversions::fromPCL(msg_filtered, point_output);
points_pub.publish(point_output);
}
int main(int argc, char** argv)
{
ros::init(argc, argv, "realcam_node");
ros::NodeHandle nh;
ros::Subscriber sub = nh.subscribe (pointstopic, 1, pointsdo);
points_pub=nh.advertise<sensor_msgs::PointCloud2>("/camera/depth/points_filter", 1);
ros::spin();
return 0;
}
在ROS下,还需要更改Cmakelist.txt和package.xml文件,在Cmakelist.txt中添加以下语句:
find_package(catkin REQUIRED COMPONENTS
cmake_modules
geometry_msgs
message_generation
roscpp
sensor_msgs
std_msgs
nodelet
pcl_ros
)
find_package(PCL 1.6 REQUIRED)
在package.xml文件中添加:
<build_depend>libpcl-all-dev</build_depend>
<run_depend>libpcl-all</run_depend>
然后,大功告成了,以下是转化结果:
原图:
转化后:
相关文章推荐
- 关于http接口开发中json格式数据编码问题处理
- 转:本文介绍了在使用DevExpress GridControl的开发过程中如何设置列数据的格式。
- ROS发布pcl::PointXYZ数据时,时间戳问题
- PCL库中的PointCloud数据类型
- 如何在ROS中使用PCL—数据格式(1)
- DevExpress开发中,dateEDIT控件,怎样使保存到数据表中字段的日期格式若要随自已要求变化的处理
- ZP的EXTJS学习笔记(三)——邮箱功能的开发(按钮事件、下拉框、分页、record小图标、整条数据格式处理、定时刷新、record复选删除、分组)
- NaNs的处理——使用pcl_isfinite或pcl::removeNaNFromPointCloud函数去除无效点
- 如何在ROS中使用PCL—数据格式(1)
- 用第三方预编译包从源码在windows下搭建PCL(Point Cloud Library)开发环境
- 关于http接口开发中json格式数据编码问题处理
- 【android开发】ANDROID处理JSON格式的数据
- 用matlab处理数字高程模型(DEM)之点云数据(point cloud data)
- ExtJS与.NET结合开发实例(Grid之数据显示、分页、排序篇)
- 稳扎稳打Silverlight(19) - 2.0通信之调用REST服务,处理JSON格式, XML格式, RSS/ATOM格式的数据
- Visual C# 2008+SQL Server 2005 数据库与网络开发-- 7.3 使用ADO .NET处理数据
- 稳扎稳打Silverlight(19) - 2.0通信之调用REST服务,处理JSON格式, XML格式, RSS/ATOM格式的数据
- 导出EXCEL文件的数据格式的处理
- Asp.Net Ajax 数据格式处理
- PictureStudio开发笔记03-PGM格式图像详解及处理方法