三维点云转换为二维图像

前言

目的：将三维点云转换为二维图像
作用：
a.给点云赋予彩色信息，增强点云所表达物体或对象的辨识度；
b.将三维点云中绘制的目标物体通过映射关系绘制到二维图像中，这个工作在点云标注邻域被广泛使用;
c.可以根据点云中绘制的结果提取二维图像中对应的物体

原理

1. 确定要投影的平面，将点云投影至该平面，得到二维点坐标;
2. 求得二维点云所在平面的极值，即x_max,x_min,y_max,y_min;
3. 根据x_max,x_min,y_max,y_min确定点云范围；
4. 根据点云范围即想得到图像分辨率的大小求得单个像素代表的实际长度L;
5. 遍历点云，将点的坐标与极小值点的坐标做差之后除以L，即为该点在图像中的像素坐标；
6. 将RGB信息填充到对应的像素内；

代码

void pointcloud_to_image(pcl::PointCloud::Ptr cloud_in, float x_max, float x_min, float y_max, float y_min)
{
	pcl::PointCloud::Ptr cloud(new pcl::PointCloud);
	cloud->points.resize(cloud_in->size());
	for (size_t i = 0; i < cloud->points.size(); i++)   //将三维点云投影到二维，这里为投影到XOY平面
	{
		cloud->points[i].x = cloud_in->points[i].x;
		cloud->points[i].y = cloud_in->points[i].y;
		cloud->points[i].z = 0;
		cloud->points[i].r = cloud_in->points[i].r;
		cloud->points[i].g = cloud_in->points[i].g;
		cloud->points[i].b = cloud_in->points[i].b;
	}
 
	Mat image(480, 640, CV_8UC3);
	for (int j = 0; j < image.rows; j++)
	{
		for (int i = 0; i < image.cols; i++)
		{
			image.at(j, i)[0] = 0;
			image.at(j, i)[1] = 0;
			image.at(j, i)[2] = 0;
		}
	}
 
	float l; //单个像素代表的实际长度
	float a = (x_max - x_min) / 640;   //分辨率，根据实际需要设置，这里采用648*480
	float b = (y_max - y_min) / 480;
	if (a > b)
	{
		l = a;
	}
	else
	{
		l = b;
	}
 
	for (int i = 0; i < cloud->size(); i++)
	{
                                //计算点对应的像素坐标
		int x = (cloud->points[i].x - x_min) / l;
		int y = (cloud->points[i].y - y_min) / l;
 
                                //将颜色信息赋予像素
		if (x > 0 && x < 640 && y>0 && y < 480)
		{
			image.at(y, x)[0] = cloud->points[i].r;
			image.at(y, x)[1] = cloud->points[i].g;
			image.at(y, x)[2] = cloud->points[i].b;
		}
	}
	imshow("image", image);
	waitKey(0);
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54

总结与反思

在实际应用中，为使二维图像保留更多的点云信息，除了将颜色信息填充到对应的像素内，也可考虑将点云高度信息、法向量信息填充到图像像素内

实验结果展示

原始带部分噪声的点云数据

去除噪声，使用法向量信息将点云映射为法向量图像
代码参照上面改改，具体省略

欢迎交流，如有错误，请指正~