采用随机一致性算法RANSAC拟合直线
模型拟合时,选用SACMODEL_LINE
SACMODEL_LINE - used to determine line models. The six coefficients of the line are given by a point on the line and the direction of the line as: [point_on_line.x point_on_line.y point_on_line.z line_direction.x line_direction.y line_direction.z]
我们再来看看返回的6个参数的含义
point_on_line.x : the X coordinate of a point on the line
point_on_line.y : the Y coordinate of a point on the line
point_on_line.z : the Z coordinate of a point on the line
line_direction.x : the X coordinate of a line's direction
line_direction.y : the Y coordinate of a line's direction
line_direction.z : the Z coordinate of a line's direction
直线方程可表示为: x − x 0 a = y − y 0 b = z − z 0 c \frac{x-x_{0}}{a}=\frac{y-y_{0}}{b}=\frac{z-z_{0}}{c} ax−x0=by−y0=cz−z0
// 点云直线拟合函数
pcl::ModelCoefficients::Ptr fitLineToPointCloud(const pcl::PointCloud<pcl::PointXYZ>::Ptr& cloud)
{
// 创建一个模型参数对象
pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);
// 创建一个点索引对象,用于存储内点
pcl::PointIndices::Ptr inliers(new pcl::PointIndices);
// 创建一个分割对象
pcl::SACSegmentation<pcl::PointXYZ> seg;
// 设置分割方法为最小二乘法拟合直线
seg.setOptimizeCoefficients(true);
// 设置模型类型为直线
seg.setModelType(pcl::SACMODEL_LINE);
// 设置方法为最小二乘法
seg.setMethodType(pcl::SAC_RANSAC);
// 设置阈值
seg.setDistanceThreshold(50);
// 设置最大迭代次数
seg.setMaxIterations(2000);
// 设置输入点云
seg.setInputCloud(cloud);
// 设置拟合直线的限制条件:只在 X-Z 平面内拟合直线,忽略 Y 坐标
Eigen::Vector3f axis(0.0, 1.0, 0.0); // 指定平面法向量,这里是 Y 轴
seg.setAxis(axis);
// 执行分割
seg.segment(*inliers, *coefficients);
if (inliers->indices.size() == 0)
{
std::cerr << "Could not estimate a linear model for the given dataset." << std::endl;
return nullptr;
}
return coefficients;
}
coefficients->values[0],coefficients->values[1],coefficients->values[2]分别对应了X0,Y0,Z0
coefficients->values[3],coefficients->values[4],coefficients->values[5]分别对应了a,b, c
一般拟合的可以不加限制条件,加了这一条的话,系数b好像是0
// 设置拟合直线的限制条件:只在 X-Z 平面内拟合直线,忽略 Y 坐标
Eigen::Vector3f axis(0.0, 1.0, 0.0); // 指定平面法向量,这里是 Y 轴
seg.setAxis(axis);