Lidar系列文章

傳感器融合是將多個傳感器采集的數據進行融合處理，以更好感知周圍環境；這里首先介紹激光雷達的相關內容，包括激光雷達基本介紹（本節內容），激光點云數據處理方法（點云數據顯示與裁剪，點云分割，點云聚類，障礙物識別實例）等。

系列文章目錄

1. 激光雷達基本介紹
2. 激光點云數據顯示
3. 基于RANSAC的激光點云分割
4. 點云分割入門級實例學習
5. 激光點云目標物聚類
6. 基于PCL實現歐式聚類提取
7. 激光雷達障礙物識別

---

文章目錄

• Lidar系列文章
• 基于PCL的激光點云可視化實例
• 激光點云俯視圖顯示

---

基于PCL的激光點云可視化實例

本小節主要介紹激光點云的可視化，主要利用PCL對道路的激光點云進行可視化。
本實例中首先實例化了一個含有RGB顏色的激光點云對象，然后將這個激光點云對象指針作為參數，傳入PCL中的激光點云讀取函數中，將激光點云文件讀取到實例化的激光點云對象的指針中。接下來，實例化一個激光點云可視化對象viewer1，通過這個對象調用addPointCloud()方法。實例化的激光點云傳入viewer1對象后，設置激光點云可視化窗口的背景顏色。

#include<pcl/visualization/pcl_visualizer.h> #include<iostream>//標準C++庫中的輸入輸出類相關頭文件。 #include<pcl/io/io.h> #include<pcl/io/pcd_io.h>//pcd 讀寫類相關的頭文件。using namespace std; using namespace pcl; typedef pcl::PointXYZI PointIoType;//對激光點云類型進行宏定義int main(int argc, char** argv){pcl::PointCloud<PointIoType>::Ptr cloud(new pcl::PointCloud<PointIoType>());if (pcl::io::loadPCDFile("../data/simpleHighway.pcd", *cloud) == -1)return (-1);boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer1(new pcl::visualization::PCLVisualizer("3D Viewer"));viewer1->addPointCloud<PointIoType>(cloud, "simpleHighway.pcb");viewer1->setBackgroundColor(0, 0, 0);//設置可視化窗口的背景顏色為黑色while (!viewer1->wasStopped())//持久化顯示激光點云圖像{viewer1->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(100000));}return 0; }

激光點云俯視圖顯示

本小節將介紹如何加載、俯視圖顯示KITTI數據集的激光點云數據，去除地面反射點云。KITTI激光點云數據采集使用Velodyne HDL-64E機械旋轉式激光雷達采集，旋轉頻率10Hz，一圈大概有100k點云。

這里我們使用Point激光點云格式如下：

struct LidarPoint { // single lidar point in spacedouble x,y,z,r; // x,y,z in [m], r is point reflectivity };

采集平臺中，激光雷達與攝像頭同步采集，該時刻攝像頭采集的場景如下。

同一時刻激光點云采集圖像如下圖，包含Velodyne坐標系統和距離標記。俯視圖中點云圖像被裁剪至Lidar前部20m，實際可達78m。

以下代碼示例中，我們首先加載了點云數據；為了更好的表現車輛前方的激光點云數據，我們將根據激光反射點的由近及遠將顏色顯示轉換為由紅變綠。

然后，去除地面反射點云，結果顯示如下。

void showLidarTopview() {std::vector<LidarPoint> lidarPoints;readLidarPts("./dat/C51_LidarPts_0000.dat",lidarpoints);cv::Size worldSize(10.0,20.0); //width and height of sensor field in mcv::Size ImageSize(1000,2000); //Corresponding top view in pixel//create topview imagecv::Mat topviewImg(ImageSize, CV_8UC3, cv::Scalar(0,0,0));//plot Lidar points into imagefor (auto it=lidarPoints.begin();it!=lidarPoints.end();++it){float xw=(*it).x; //world position in m with x facing forward from sensorfloat yw=(*it).y; //world position in m with y facing left from sensorint y=(-xw*imageSize.height/worldSize.height)+imageSize.height;int x=(-yw*imageSize.width/worldSize.width)+imageSize.width/2;float zw=(*it).z; //height above road surfacedouble minZ=-1.40;if(zw>minZ){float val=it->x;//distance in driving directionfloat maxVal=worldSize.height;int red=min(255,(int)(255*abs((val-maxVal)/maxVal)));int green=min(255,(int)(255*(1-abs((val-maxVal)/maxVal))));cv::circle(topviewImg, cv::Point(x,y),5,cv::Scalar(0,green,red),-1); }}//plot distance markersfloat lineSpacing = 2.0; //gap between distance markersint nMarkers = floor(worldSize.height/lineSpacing);for (size_t i=0; i<nMarkers;++i){int y=(-(i*lineSpacing)*imageSize.height/wordSize.height)+imageSize.height;cv::line(topeviewImg,cv::Point(0,y),cv::Point(imageSize.width,y),cv::Scalar(255,0,0));}//display imagestring windowName="Top-View Perpestive of LiDAR data";cv::namedWindow(windowName,2);cv::imshow(windowName,topViewImg);cv::waitKey(0);//wait for key to be pressed }

資源鏈接：激光點云數據顯示

總結

以上是生活随笔為你收集整理的激光点云数据显示的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。