当前位置: 首页 > news >正文

知微传感Dkam系列3D相机PCL应用篇:PCL读入3D相机含颜色的点云并显示

PCL读入含颜色信息的点云

写在前面

  • PCL(Point Cloud Library):是一个开源的算法库,用C++编写,是当前点云处理的得力工具;
  • 在使用PCL处理3D相机输出的点云中,可能遇到问题,因此编写此文章;
  • 知微传感Dkam系列3D相机可以应用于定位分拣、焊接焊缝提取、逆向建模、检测测量等领域
  • 未尽问题欢迎与我深入交流:Liu_Gump_

PCL在线读入Dkam系列3D相机含有RGB信息的点云

  • PCL配置方法另请查阅
  • PCL在线读入点云的例程可以参考作者的其他文章
  • 本例程基于WIN10+VisualStudio2019+DkamSDK_1.6.72+PCL1.12.0,采用C++语言
// Dkam_PCL_Con.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。 #include <iostream> #include<cstring> //DkamSDK #include"dkam_discovery.h" #include"dkam_gige_camera.h" #include"dkam_gige_stream.h" //PCL #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/visualization/pcl_visualizer.h> int main() { std::cout << "Hello Zhisensor!" << std::endl; std::cout << "Hello liu_sensor!" << std::endl; std::vector<DiscoveryInfo> discovery_info; Discovery discovery; GigeCamera camera; GigeStream* pointgigestream = NULL; GigeStream* graygigestream = NULL; GigeStream* rgbgigestream = NULL; std::vector<DiscoveryInfo>().swap(discovery_info); //********************************************查询相机**************************************************** //查询局域网内的3D相机 int camer_num = discovery.DiscoverCamera(&discovery_info); std::cout << "局域网内共有" << camer_num << "台相机" << std::endl; //显示局域网内相机的IP for (int i = 0; i < camer_num; i++) { std::cout << "局域网内相机的IP为:" << discovery.ConvertIpIntToString(discovery_info[i].camera_ip) << std::endl; } //********************************************连接相机**************************************************** //选定相机 int k = -1; for (int i = 0; i < camer_num; i++) { if (strcmp((discovery.ConvertIpIntToString(discovery_info[i].camera_ip)), "192.168.30.127") == 0) { k = i; std::cout << "将连接第" << k + 1 << "台相机" << std::endl; } else { std::cout << "局域网内无该IP的相机" << std::endl; } } //********************************************采集数据**************************************************** int connect = camera.CameraConnect(&discovery_info[k]); if (connect == 0) { //获取当前红外相机的宽和高 int width = -1; int height = -1; std::cout << "获取相机红外图的宽和高。。。" << std::endl; int height_gray = camera.GetCameraHeight(&height, 0); int width_gray = camera.GetCameraWidth(&width, 0); std::cout << "camera Grey width:" << width << "---Grey height:" << height << std::endl; //获取当前RGB相机的宽和高 int width_RGB = -1; int height_RGB = -1; std::cout << "获取相机RGB图的宽和高。。。" << std::endl; int height_rgb = camera.GetCameraHeight(&height_RGB, 1); int width_rgb = camera.GetCameraWidth(&width_RGB, 1); std::cout << "camera RGB width:" << width_RGB << "-----RGB height:" << height_RGB << std::endl; //定义点云数据大小 PhotoInfo* point_data = new PhotoInfo; point_data->pixel = new char[width * height * 6]; memset(point_data->pixel, 0, width * height * 6); //定义RGB数据大小 PhotoInfo* RGB_data = new PhotoInfo; RGB_data->pixel = new char[width_RGB * height_RGB * 3]; memset(RGB_data->pixel, 0, width_RGB * height_RGB * 3); //开启数据流通道(0:红外 1:点云 2:RGB) int stream_point = camera.StreamOn(1, &pointgigestream); if (stream_point == 0) { std::cout << "点云通道打开成功!" << std::endl; } else { std::cout << "点云通道打开失败!!!" << std::endl; } //打开RGB数据流通道 int stream_RGB = camera.StreamOn(2, &rgbgigestream); if (stream_RGB == 0) { std::cout << "RGB图通道打开成功!" << std::endl; } else { std::cout << "RGB图通道打开失败!!!" << std::endl; } //开始接受数据 int acquistion = camera.AcquisitionStart(); if (acquistion == 0) { std::cout << "可以开始接受数据!" << std::endl; } //刷新缓冲区数据 pointgigestream->FlushBuffer(); graygigestream->FlushBuffer(); rgbgigestream->FlushBuffer(); //**********************************************采集数据*************************************** //采集点云 int capturePoint = -1; capturePoint = pointgigestream->TimeoutCapture(point_data, 3000000); if (capturePoint == 0) { std::cout << "点云接收成功!" << std::endl; } else { std::cout << "点云接收失败!!!" << std::endl; std::cout << "失败代号:" << capturePoint << std::endl; } //采集RGB int captureRGB = -1; captureRGB = rgbgigestream->TimeoutCapture(RGB_data, 3000000); if (captureRGB == 0) { std::cout << "RGB接收成功!" << std::endl; } else { std::cout << "RGB接收失败!!!" << std::endl; std::cout << "失败代号:" << capturePoint << std::endl; } //**********************************************融合RGB和点云*************************************** std::cout << "融合点云和RGB信息..." << std::endl; // 开辟内存,存放融合后的数据 float* rgb_cloud = (float*)malloc(width * height * 6 * sizeof(float)); //融合,该API由知微传感提供 int pointRGB = camera.FusionImageTo3D(*RGB_data, *point_data, rgb_cloud); //****************************************将相机数据转化为PCL中可读********************************** std::cout << "将相据转化为PCL中可读..." << std::endl; // 定义pcl数据 pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloudRGB(new pcl::PointCloud<pcl::PointXYZRGB>); for (int i = 0; i < (int)(point_data->pixel_width * point_data->pixel_height); i++) { pcl::PointXYZRGB temp; temp.x = rgb_cloud[6 * i + 0]; temp.y = rgb_cloud[6 * i + 1]; temp.z = rgb_cloud[6 * i + 2]; temp.r = rgb_cloud[6 * i + 3]; temp.g = rgb_cloud[6 * i + 4]; temp.b = rgb_cloud[6 * i + 5]; cloudRGB->push_back(temp); } //保存点云 std::cout << "保存含RGB信息的点云..." << std::endl; pcl::io::savePCDFile("D:/Zhisensor/Works/3DCode/Dkam_PCL_PcRgb/Output/PcRgb.pcd", *cloudRGB); //****************************************显示含RGB的点云********************************** std::cout << "显示含RGB信息的点云..." << std::endl; pcl::visualization::PCLVisualizer::Ptr RGBViewer(new pcl::visualization::PCLVisualizer("3D Viewer")); pcl::visualization::PointCloudColorHandlerRGBField<pcl::PointXYZRGB> rgb(cloudRGB); //创建一个颜色处理对象 RGBViewer->setBackgroundColor(0, 0, 0); RGBViewer->addPointCloud<pcl::PointXYZRGB>(cloudRGB, rgb, "rgb cloud"); RGBViewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "rgb cloud"); RGBViewer->addCoordinateSystem(1.0); RGBViewer->initCameraParameters(); while (!RGBViewer->wasStopped()) { RGBViewer->spin(); } //**********************************************结束工作*************************************** memset(point_data->pixel, 0, width * height * 6); memset(RGB_data->pixel, 0, width_RGB * height_RGB * 3); //释放内存 delete[] point_data->pixel; delete point_data; delete[] RGB_data->pixel; delete RGB_data; //关闭数据流通道 int streamoff_point = camera.StreamOff(1, pointgigestream); int streamoff_rgb = camera.StreamOff(2, rgbgigestream); //断开相机连接 int disconnect = camera.CameraDisconnect(); std::cout << "工作结束!!!!!!" << std::endl; } return 0; }

运行结果

  • 可以实现点云和RGB的融合,并且成功导入到PCL中,并显示

后记

  • 知微传感Dkam系列3D相机可以应用于定位分拣、焊接引导、逆向建模、检测测量等领域
http://www.cnnetsun.cn/news/3482293.html

相关文章:

  • Local RAG与LlamaIndex深度集成:高级RAG模式实现指南
  • Mayan EDMS完整功能解析:为什么它是最先进的文档管理系统
  • 数字人推荐:企业服务商和商用工具怎么选
  • 3分钟快速上手ncmdump:免费解密网易云音乐NCM格式的完整指南
  • 终极SSD目标检测指南:从零开始掌握PyTorch实现
  • Unity URP能量护盾Shader实现:从菲涅尔原理到动态涟漪效果
  • 当AI编码助手学会工程思维:agent-skills如何重塑开发者的工作方式
  • Golang实现JWT认证与Casbin权限控制实战
  • 多项分布 (Multinomial Distribution) 的极大似然估计
  • browser-agent测试策略:确保你的AI代理稳定可靠的完整方案
  • 《1688开放平台基础API真免费?QPS 10的限制怎么破(附GuardedClient源码)》
  • YOLOv8固体废物识别系统:从环境配置到功能测试完整指南
  • Spring Cloud Gateway集成Sa-Token实现微服务鉴权
  • AI Agent 开发实战(02):Claude Code 接入 DeepSeek
  • oec-hardware安全测试:硬件安全兼容性验证的完整指南 [特殊字符]️
  • SSE实时通信深度解析:连接数限制、断线重连与消息去重实战
  • RT-Thread PIN设备驱动开发与GPIO控制实践
  • Win Application Framework (WAF)消息与对话框服务:MessageService与FileDialogService
  • Path of Building PoE2:流放之路2角色构建计算引擎技术深度解析
  • 如何快速部署Ogar服务器?Linux与Windows系统完整教程
  • 如何快速搭建前后端分离博客?blog45/blog新手入门教程
  • 5个实用案例带你精通react-gsap-enhancer:从悬停效果到复杂动画序列
  • 老款Mac mini再利用指南:Python开发环境与家庭媒体中心配置
  • e2core插件开发教程:用Rust编写你的第一个安全插件
  • Verb实战案例:用Emacs构建完整的RESTful API测试工作流
  • Golang定时器原理与高性能实践指南
  • Android嵌套RecyclerView性能优化全解析
  • financial与其他金融库对比:为什么选择零依赖的TypeScript解决方案
  • STM32定时器基础与应用:从配置到实战
  • Warp11/Warp源码解析:Go语言实现S3基准测试的核心原理