[3D&Halcon] 3D重要算子及简单处理点云模型求高度示例讲解

简介: [3D&Halcon] 3D重要算子及简单处理点云模型求高度示例讲解

一. 重要算子解析

  • read_object_model_3d ( : : FileName, Scale, GenParamName, GenParamValue : ObjectModel3D, Status) — 读取3D点云模型
    参数
    FileName(in):要读取的文件的文件名。
    Scale(in):文件中数据的比例,包括 ‘m’, ‘cm’, ‘mm’, ‘um’, ‘nm’等。
    GenParamName(in):参数名称。
    GenParamValue (in):参数名称对应的值。
    ObjectModel3D(out) :3D对象模型的句柄。
    Status(out) :状态信息。

  • select_points_object_model_3d ( : : ObjectModel3D, Attrib, MinValue, MaxValue : ObjectModel3DThresholded) — 筛选孤立散点的特征值(点的x y z坐标,法向量x y z)针对点的特诊的筛选
    参数
    ObjectModel3D(in):输入点云模型句柄。
    Attrib(in):被筛选点的属性特征(包括点的X/Y/Z坐标,法向量的X/Y/Z坐标等特征)。
    MinValue(in):被筛选点的属性特征最小值。
    MaxValue (in):被筛选点的属性特征最大值。
    ObjectModel3DThresholded(out) :处理之后的3D对象模型的句柄。

注:类似二维平面处理中用于筛选面积、长度、宽度等灰度特征的算子select_obj(Operator)

  • select_object_model_3d ( : : ObjectModel3D, Feature, Operation, MinValue, MaxValue : ObjectModel3DSelected) — 筛选点云连通集合的特征
    参数
    ObjectModel3D(in):输入点云模型句柄。
    Feature(in):特征名称。
    Operation(in):特征之间的关系。
    MinValue(in):特征之间的最小值。
    MaxValue (in):特征之间的最大值。
    ObjectModel3DSelected(out) :处理之后的3D对象模型的句柄。

  • triangulate_object_model_3d ( : : ObjectModel3D, Method, GenParamName, GenParamValue : TriangulatedObjectModel3D, Information) — 三角网格曲面重建(点集→曲面)
    参数
    ObjectModel3D(in): 3D对象模型的句柄。
    Method(in):曲面重建所使用的方法。
    GenParamName(in):参数名称。
    GenParamValue (in):参数名称对应的值。
    TriangulatedObjectModel3D(out) :网格曲面重建之后的句柄。
    Information(out) :状态信息。

  • visualize_object_model_3d ( : : WindowHandle, ObjectModel3D, CamParam, PoseIn, GenParamName, GenParamValue, Title, Label, Information : PoseOut) — 显示3D点云数据
    参数
    WindowHandle(in):窗口句柄指针。
    ObjectModel3D(in):3D模型的句柄。
    CamParam(in):相机内参(与相机自身特性相关的参数,比如相机的焦距、像素大小等)。
    PoseIn (in):相机外参(在世界坐标系中的参数,比如相机的位置、旋转方向等,一般是3个平移+3个旋转),即选择以什么样的姿态去显示该模型。一般默认空[],会以一种默认姿态去显示3D模型
    *GenParamName(in) :参数名称,例如:'color'(设置模型显示颜色)'disp_pose'(是否显示世界坐标系)'disp_normals'(是否显示法向量)'normal_color'(法向量显示颜色)'lut'(颜色表)'color_attrib'(颜色属性:对哪个方向颜色递进)等。
    *GenParamValue(in) :参数名称对应的值,常用:['lut','color_attrib','disp_pose'], ['color1','coord_z','true']
    Title(in) :现实的文字,将显示在输出图形窗口左上角的文本。
    Label(in) :将显示在每个显示对象模型位置的文本。
    Information (in) :将显示在输出图形窗口左下角的文本。
    PoseOut(out) :用户可能以交互式更改的所有对象模型的姿势。

  • write_object_model_3d ( : : ObjectModel3D, FileType, FileName, GenParamName, GenParamValue : ) — 保存3D点云数据
    参数
    ObjectModel3D(in):3D模型的句柄。
    FileType(in):写入的文件的类型。
    FileName(in):写入的文件的名称。
    GenParamName(in):参数名称。
    GenParamValue (in) :参数名称对应的值。

注:

1、visualize_object_model_3d算子是阻塞式的,需要点击窗口右下角的Continue按钮才可执行下一步操作,可通过更改内部封装的算子去掉Continue按钮

2、参数CamParam、PoseIn、GenParamName、GenParamValue,可通过disp_object_model_3d算子完成设置。


二. 相关示例展示

1、点云求电池高度

* 1.读入点云数据(文件中)
read_object_model_3d ('./2020-01-10-235331.om3', 'm', [], [], ObjectModel3D, Status)
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
*   可视化显示三维点云模型
visualize_object_model_3d (WindowHandle, ObjectModel3D, [], [], ['lut','color_attrib','disp_pose'], ['color1','coord_z','true'], [], [], [], PoseOut)
* 2.得到电池表面点云的数据集合(mm)
get_object_model_3d_params (ObjectModel3D, 'point_coord_z', GenParamValue)
*   去掉不在电池表面的干扰噪点(针对点的特征进行筛选)
select_points_object_model_3d (ObjectModel3D, 'point_coord_z', 15, 16, ObjectModel3DThresholded)
visualize_object_model_3d (WindowHandle, ObjectModel3DThresholded, [], [], ['lut','color_attrib','disp_pose'], ['color1','coord_z','true'], [], [], [], PoseOut1)
*   点云连通集合断开(点点间距不超过1mm的点当做一个连通域点集)
connection_object_model_3d (ObjectModel3DThresholded, 'distance_3d', 1, ObjectModel3DConnected)
get_object_model_3d_params (ObjectModel3DConnected, 'num_points', GenParamValue1)
*   去掉其他散点组成的连通域,获取电池表面点集连通域(针对点云连通集合之间的特征进行筛选)
select_object_model_3d (ObjectModel3DConnected, 'num_points', 'and', 1000, 50000, ObjectModel3DBattery)
visualize_object_model_3d (WindowHandle, ObjectModel3DBattery, [], [], ['lut','color_attrib','disp_pose'], ['color1','coord_z','true'], [], [], [], PoseOut1)
* 3.得到背景的点云数据集合(mm)
select_points_object_model_3d (ObjectModel3D, 'point_coord_z', 12, 14, ObjectModel3DBackGround)
visualize_object_model_3d (WindowHandle, ObjectModel3DBackGround, [], PoseOut1,  ['lut','color_attrib','disp_pose'], ['color1','coord_z','true'], [], [], [], PoseOut2)
* 4.求电池上表面点云的z坐标值
get_object_model_3d_params (ObjectModel3DBattery, 'point_coord_z', GenParamValue1)
* 5.求背景表面的点云的z坐标值
get_object_model_3d_params (ObjectModel3DBackGround, 'point_coord_z', GenParamValue2)
* 6.求电池上表面点云A和背景表面点云B的z坐标的平均值
A:=mean(GenParamValue1)
B:=mean(GenParamValue2)
* 7.求电池表面的高度
H:=A-B
Param[0]:='Shift+left button Zoom'
Param[1]:='ctrl+ left button Move'
Param[2]:='left button Rotat'
visualize_object_model_3d (WindowHandle, ObjectModel3D, [], [], ['lut','color_attrib','disp_pose'], ['color1','coord_z','true'], '电池点云的高度为'+H+'mm', 'Battery Object', Param, PoseOut)

结果图如下所示(Halcon默认红色代码X轴、绿色代表Y轴、蓝色代表Z轴):

通过计算电池表面的点云Z坐标集合平均值和和背景表面的点云Z坐标集合平均值作差,最终计算结果为2.94mm,标准高度在3mm左右,误差在0.1mm左右.

halcon仿真代码以及点云模型分享链接: https://pan.baidu.com/s/1YjXlMva_duZb2tBUj1ga5A    提取码:et5w


下雨天,最惬意的事莫过于躺在床上静静听雨,雨中入眠,连梦里也长出青苔。


目录
相关文章
|
5月前
|
存储 并行计算 算法
基础的点云转换
对于点云处理而言,最简单也逃不过的就是点云转换了,我们就从点云转换开始,来一步步完成点云加速的学习。点云基础转换是3D点云处理中的一个重要步骤。它的主要目的是将点云从一个坐标系转换到另一个坐标系中,通常是为了方便后续处理或者显示。在实际应用中,点云基础转换通常包括平移、旋转、缩放等操作。这里对应了pcl::transformPointCloud这种方法 1. CUDA与Thrust 使用CUDA和Thrust进行点云基础转换可以大大提高处理效率,特别是当点云数据量较大时。CUDA是一种并行计算架构,可以利用GPU的计算能力来加速计算,而Thrust是CUDA的C++模板库,提供了许多与ST
118 0
|
存储 传感器 数据可视化
3D目标检测数据集 KITTI(标签格式解析、3D框可视化、点云转图像、BEV鸟瞰图)
本文介绍在3D目标检测中,理解和使用KITTI 数据集,包括KITTI 的基本情况、下载数据集、标签格式解析、3D框可视化、点云转图像、画BEV鸟瞰图等,并配有实现代码。
2182 1
|
9月前
|
算法 图形学
【计算机图形学】实验三 用Cohen-Sutherland裁剪算法实现直线段裁剪
【计算机图形学】实验三 用Cohen-Sutherland裁剪算法实现直线段裁剪
695 2
|
8月前
|
算法 BI 计算机视觉
图像处理之积分图应用一(半径无关的快速模糊算法)
图像处理之积分图应用一(半径无关的快速模糊算法)
63 0
|
9月前
|
存储 计算机视觉 流计算
【OpenCV】计算视频的光流并跟踪物体calcOpticalFlowPyrLK
【OpenCV】计算视频的光流并跟踪物体calcOpticalFlowPyrLK
383 0
|
9月前
halcon基础系列之几何工具相关算子
halcon基础系列之几何工具相关算子
212 0
|
9月前
halcon基础系列之二维量测相关算子
halcon基础系列之二维量测相关算子
300 0
|
9月前
Halcon基础系列之矩阵相关算子
Halcon基础系列之矩阵相关算子
116 0
|
9月前
|
算法 计算机视觉 芯片
[Halcon&定位] 二维仿射变换原理与算子解析
[Halcon&定位] 二维仿射变换原理与算子解析
418 0
|
存储 数据可视化 数据管理
处理RGB-D图像数据以构建室内环境地图并估计相机的轨迹
视觉同步定位和映射 (vSLAM) 是指计算摄像机相对于周围环境的位置和方向,同时映射环境的过程。 您可以使用单眼摄像头执行 vSLAM。但是,深度无法准确计算,估计的轨迹未知,并且随着时间的推移而漂移。要生成无法从第一帧开始三角测量的初始地图,必须使用单眼相机的多个视图。更好、更可靠的解决方案是使用 RGB-D 相机,它由一个 RGB 彩色图像和一个深度图像组成。
213 0

热门文章

最新文章