PCL利用RANSAC自行拟合分割平面，

利用PCL中分割算法、

pcl::SACSegmentation<:pointxyz> seg;

，不利用法线参数，只根据模型参数得到的分割面片，与想象的面片差距很大，

1 pcl::ModelCoefficients::Ptr coefficients (newpcl::ModelCoefficients ());2 pcl::PointIndices::Ptr inliers (newpcl::PointIndices ());3 //创建分割对象

4 pcl::SACSegmentation<:pointxyz>seg;5 //可选

6 seg.setOptimizeCoefficients (true);7 //必选

8 seg.setModelType (pcl::SACMODEL_PLANE);9 seg.setMethodType (pcl::SAC_RANSAC);10 seg.setMaxIterations (1000);11 seg.setDistanceThreshold (0.05);

后我采用RANSAC拟合的方法，进行面片的分割

1 std::vector inliers; //存储局内点集合的点的索引的向量2

3 //进行RANSAC平面拟合

4 pcl::SampleConsensusModelPlane::Ptr model_p(new pcl::SampleConsensusModelPlane(cloud)); //针对平面模型的对象

5 pcl::RandomSampleConsensusransacP(model_p);6 ransacP.setDistanceThreshold(.1); //与平面距离小于0.1的点作为局内点考虑

7 ransacP.computeModel(); //执行随机参数估计

8 ransacP.getInliers(inliers); //存储估计所得的局内点

9 pcl::copyPointCloud(*cloud, inliers, *cloud_in); //复制估算模型的所有局内点到cloud_in中

10 pcl::io::savePCDFile("./data/seg_RAN/RANSAC_building_1.pcd", *cloud_in);

得到：

之后我想迭代的进行面片拟合后分割出来，在索引的地方遇到了问题

于是想出来一个比较笨的办法：

1 for (int i = 0; i < cloud->points.size(); i++)2 {3 std::vector::iterator iter =find(inliers.begin(), inliers.end(), i);4 if (iter ==inliers.end())5 {6 cloud_out->points.push_back(cloud->points.at(i));7 }8 }

等同于自己写了一个分割的方法。

中间遇到的问题有：

点云的索引、有序点云与无序点云的写入、智能指针未实例化问题、

现在仍未搞明白PCL中的索引的使用方法。例如：PointIndices、 ExtractIndices 等

如有了解的小伙伴希望告知、互帮互助、共同进步！

2019-04-12  19:04:34

http://www.dengb.com/cjjc/1344862.htmlwww.dengb.comtruehttp://www.dengb.com/cjjc/1344862.htmlTechArticlePCL利用RANSAC自行拟合分割平面， 利用PCL中分割算法、 pcl::SACSegmentationpcl::PointXYZ seg; ，不利用法线参数，只根据模型参数得到的分割面片，...