KITTI 原始無序點雲資料轉有序點雲資料

kitti 點雲資料集是原始雷射雷達點雲經過了預處理之後的點雲，預處理包括：

- 將高度為2公尺以上點過濾（2公尺為估計，沒有考證）

- 噪點過濾

將垂直方向上的雷射束按照64個水平高度格仔進行分類

在每乙個水平高度上，按照水平角度解析度計算此排雷射束排序

根據水平面上的x、y座標值進行排序

預期問題：

重要問題：

0: 0.0766167 1: 0.0766167 2: 0.0766167 3: 0.0791294 4: 0.0815647 5: 0.0740187 6: 0.0815647 7: 0.0766167 8: 0.0791294 9: 0.0766167 10: 0.0791294 11: 0.0815647 12: 0.0815647 13: 0.0815647 14: 0.0791294 15: 0.0766167 16: 0.0815647 17: 0.0791294 18: 0.0791294 19: 0.0791294 20: 0.0815647 21: 0.0815647 22: 0.0815647 23: 0.0791294 24: 0.0791294 25: 0.0740187 26: 0.0766167 27: 0.0766167 28: 0.0766167 29: 0.0766167 30: 0.0766167 31: 0.0766167 32: 0.068528 33: 0.0656106 34: 0.068528 35: 0.0740187 36: 0.0740187 37: 0.0740187 38: 0.0740187 39: 0.0713263 40: 0.0766167 41: 0.0713263 42: 0.0713263 43: 0.0740187 44: 0.0656106 45: 0.0656106 46: 0.0713263 47: 0.0740187 48: 0.0740187 49: 0.0713263 50: 0.0656106 51: 0.0656106 52: 0.0713263 53: 0.0713263 54: 0.0713263 55: 0.068528 56: 0.068528 57: 0.068528 58: 0.068528 59: 0.0656106 60: 0.0559529 61: 0.068528 62: 0.0625573

63: 0.0656106

同時，根據官方給定資料水平角解析度0.08°進行計算，得到最大點格仔數為：max col: 4499

因此，本文決定依據官方給定資料水平角解析度0.08°進行計算，結果得到每一束雷射掃瞄得到點個數為：

360° / 0.08° = 4500 （個）

bool initialkittiorganisecloud(const int &row_size, const int &col_size,pcl::pointcloud
>
::ptr
& in_cloud)

// 初始化變數函式
bool groundremove::initialkittiorganisecloud(const
int &row_size, const
int &col_size)
}return
true;
}//建構函式
groundremove::groundremove()
//後續函式
bool groundremove::arrangepointinorganise(std::vector
&in_cloud,
pointcloudxyzi::ptr &out_cloud)
else
if ( !out_cloud->isorganized() )
float angle = 0.0;
float distance = 0.0;
int col_num = 0;
int tmp_vec_point = 0;
for (int i = 0; i < in_cloud.size(); ++i)
}return
true;
}

當把initialkittiorganisecloud()函式放在建構函式中時，arrangepointinorganise()內在檢測會發生input point cloud is unorganised!輸出，而當把initialkittiorganisecloud()函式放在其他函式中時，該檢測會通過。

思路：

猜測與建構函式的機制有關，也有可能與pcl有關。

解決方法：

如果非要在建構函式中使用該函式，尚未找到解決辦法。記錄於此，待解決。

bool groundremove::arrangepointinorganise(std::vector
&in_cloud,
pointcloudxyzi::ptr &out_cloud)
else
if ( !out_cloud->isorganized() )
float angle = 0.0f;
float distance = 0.0f;
int col_num = 0;
int tmp_vec_point = 0;
for (int i = 0; i < in_cloud.size(); ++i)
tmp_vec_point += in_cloud[i].size();
}int tmp_pt_point = 0;
int tmp_nan_point = 0;
for (int k = 0; k < out_cloud->size(); ++k)
std::cout
<< "origin point size: "
<< origin_cloud_ptr_->size() << std::endl;
std::cout
<< "tmp_vec_point: "
<< tmp_vec_point << std::endl;
std::cout
<< "tmp_pt_point: "
<< tmp_pt_point << std::endl;
std::cout
<< "num diff: "
<< tmp_vec_point - tmp_pt_point << std::endl;
std::cout
<< "nan point: "
<< tmp_nan_point + tmp_pt_point << std::endl;
return
true;
}// 某一幀輸出
origin point size: 120805
tmp_vec_point: 120804
tmp_pt_point: 120482
num diff: 322
nan point: 288000

思路：

在out_cloud->at(col_num,i) = in_cloud[i].at(j);這行**中，有這樣的邏輯：

只管填入點，不管out_cloud->at(col_num,i)此前是否已經有點，這就會導致點的損失。

解決方法：

這種情況無法避免，當同乙個格仔中時，只能選取更優的點，選取原則：格仔中距離雷達最近距離的點。

以上。

KITTI 原始無序點雲資料轉有序點雲資料

點雲的無序性點雲規則化處理一

點雲資料集

點雲資料顯示雷射雷達lidar與點雲資料

KITTI 原始無序點雲資料轉有序點雲資料

點雲的無序性 點雲規則化處理 一

點雲資料集

點雲資料顯示 雷射雷達lidar與點雲資料

相關推薦

點雲的無序性點雲規則化處理一

點雲資料顯示雷射雷達lidar與點雲資料