利用三维模型生成点云总结

在做三维的深度学习时，可以利用已有的CAD模型得到点云数据

1.利用pcl库

pcl库中有多个函数可以实现模型的读入和点云的生成。
I/O模块下有三个函数可以载入数据：

pcl::io::loadPCDFile()
pcl::io::loadOBJFile()
pcl::io::loadPLYFile()

同时tools模块下就包含了两个转换函数obj2pcd和ply2pcd
其中obj2pcd的实现代码如下：

int
main (int argc, char** argv)
{print_info ("Convert a OBJ file to PCD format. For more information, use: %s -h\n", argv[0]);if (argc < 3){printHelp (argc, argv);return (-1);}// Parse the command line arguments for .pcd and .obj filesstd::vector<int> pcd_file_indices = parse_file_extension_argument (argc, argv, ".pcd");std::vector<int> obj_file_indices = parse_file_extension_argument (argc, argv, ".obj");if (pcd_file_indices.size () != 1 || obj_file_indices.size () != 1){print_error ("Need one input OBJ file and one output PCD file.\n");return (-1);}// Load the OBJ fileTicToc tt;print_highlight ("Loading "); print_value ("%s ", argv[obj_file_indices[0]]);// Load the input filevtkSmartPointer<vtkPolyData> polydata;vtkSmartPointer<vtkOBJReader> reader = vtkSmartPointer<vtkOBJReader>::New ();reader->SetFileName (argv[obj_file_indices[0]]);reader->Update ();polydata = reader->GetOutput ();print_info ("[done, "); print_value ("%g", tt.toc ()); print_info (" ms : "); print_value ("%d", polydata->GetNumberOfPoints ()); print_info (" points]\n");bool copy_normals = false;parse_argument (argc, argv, "-copy_normals", copy_normals);PCL_INFO ("Copy normals: %s.\n", copy_normals ? "true" : "false");if (copy_normals){vtkSmartPointer<vtkPolyDataNormals> ng = vtkSmartPointer<vtkPolyDataNormals>::New ();
#if VTK_MAJOR_VERSION < 6ng->SetInput (polydata);
#elseng->SetInputData (polydata);
#endifng->ComputePointNormalsOn ();ng->ComputeCellNormalsOff ();ng->Update ();polydata = ng->GetOutput ();pcl::PointCloud<pcl::PointNormal> cloud;vtkPolyDataToPointCloud (polydata, cloud);// Convert to pcd and savesaveCloud (argv[pcd_file_indices[0]], cloud);}else{ pcl::PointCloud<pcl::PointXYZ> cloud;vtkPolyDataToPointCloud (polydata, cloud);// Convert to pcd and savesaveCloud (argv[pcd_file_indices[0]], cloud);}return (0);
}

ply2pcd代码实现如下：

//https://github.com/PointCloudLibrary/pcl/tree/master/tools
int
main (int argc, char** argv)
{print_info ("Convert a PLY file to PCD format. For more information, use: %s -h\n", argv[0]);if (argc < 3){printHelp (argc, argv);return (-1);}// Parse the command line arguments for .pcd and .ply filesstd::vector<int> pcd_file_indices = parse_file_extension_argument (argc, argv, ".pcd");std::vector<int> ply_file_indices = parse_file_extension_argument (argc, argv, ".ply");if (pcd_file_indices.size () != 1 || ply_file_indices.size () != 1){print_error ("Need one input PLY file and one output PCD file.\n");return (-1);}// Command line parsingbool format = 1;parse_argument (argc, argv, "-format", format);print_info ("PCD output format: "); print_value ("%s\n", (format ? "binary" : "ascii"));// Load the first filepcl::PCLPointCloud2 cloud;if (!loadCloud (argv[ply_file_indices[0]], cloud)) return (-1);// Convert to PLY and savesaveCloud (argv[pcd_file_indices[0]], cloud, format);return (0);
}

2.使用深度图恢复点云

如果在有深度图的情况下，可以使用相机的内参来获取点云数据，下面是利用pcl库的简单算法(from Dominik13993)
tips数据集：
华盛顿大学300个家庭常见物体
斯坦福三维扫描数据集

//详细解释：http://www.pcl-users.org/Getting-strange-results-when-moving-from-depth-map-to-point-cloud-tt4025104.html#a4025141//core process
pointcloud.width = width;
pointcloud.height = height;
pointcloud.points.resize (pointcloud.height * pointcloud.width); int* depth_data = new int[pointcloud.height * pointcloud.width];
//copy the depth values of every pixel in here register float constant = 1.0f / 525;
register int centerX = (pointcloud.width >> 1);
int centerY = (pointcloud.height >> 1);
register int depth_idx = 0;
for (int v = -centerY; v < centerY; ++v)
{ for (register int u = -centerX; u < centerX; ++u, ++depth_idx) { pcl::PointXYZ& pt = pointcloud.points[depth_idx]; pt.z = depth_data[depth_idx] * 0.001f; pt.x = static_cast<float> (u) * pt.z * constant; pt.y = static_cast<float> (v) * pt.z * constant; }
}
pointcloud.sensor_origin_.setZero ();
pointcloud.sensor_orientation_.w () = 0.0f;
pointcloud.sensor_orientation_.x () = 1.0f;
pointcloud.sensor_orientation_.y () = 0.0f;
pointcloud.sensor_orientation_.z () = 0.0f;

3.利用渲染工具

Bair的Wisdom数据集,Paper
以及DexNet数据集

其中主要使用了三维模型和pybullet物理环境,利用虚拟相机获取深度图像集maskUserGuideP36.
普利斯顿3Dvision实验室数据集
ShapeNet
ModelNet
Sliding Shape
同样是利用CAD模型生成数据集

TODO from Sharon

4.点云数据库

参考：三维点云数据集总结

icon from easyicon

ref:
pcl:http://pointclouds.org/documentation/
pcl.cn:http://www.pclcn.org
zhihu:https://www.zhihu.com/question/37577447

利用三维模型生成点云总结相关推荐

PCL——从点云到网格（一）利用OpenNI2和深度相机生成点云
最近做毕设,学习了一下PCL的使用(C++).这几篇博客就记录一下自己做毕设的时候利用深度相机得到点云,最后生成Mesh的过程.效果应该不是最好的,但是先把流程记录下来,自己下次看的时候就知道大体流程 ...
Open3d利用彩色图和深度图生成点云进行室内三维重建
上一次得到的点云图在累加多张后配准会出现少量离群的点云,效果很差,于是考虑从 ICL-NUIM dataset这个数据集获得官方的室内图进行三维重建,数据集网址如下: ICL-NUIM RGB-D B ...
既可生成点云又可生成网格的超网络方法 ICML
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达本文发表在 ICML 2020 中,题目是Hypernetwork approach to gener ...
【BIM模型生成点云数据】revit转obj格式，全网最详细最简单的步骤了！
最近,学习到了一种新方法,用于制作点云数据集,那就是----用BIM三维模型转obj格式之后导入到cloudcompare生成点云数据.该方式适合做仿真实验,也可以用于三维建模的精度对比. 关键性问题 ...
python图像识别步骤_利用百度智能云结合Python体验图像识别(转载来自qylruirui)
利用百度智能云结合Python体验图像识别只要注册了百度账号就可以轻松体验百度智能云中图像识别功能的魅力! 1. 所需要的工具一个百度账号(大家都有哈) 一个可以运行python代码的编译器(Py ...
利用matlab点云工具处理点云
利用matlab处理点云本文主要分享利用matlab点云工具的相关模块来处理点云,并通过点云轮廓对点云体积进行简单的估计测量. 目录利用matlab处理点云目录主要的操作流程图 2具体流程 1 ...
python 菜品识别_利用百度智能云结合Python体验图像识别(来自qylruirui)
利用百度智能云结合Python体验图像识别只要注册了百度账号就可以轻松体验百度智能云中图像识别功能的魅力! 1. 所需要的工具一个百度账号(大家都有哈) 一个可以运行python代码的编译器(Py ...
对话即平台：利用人工智能以及云平台打造你的智能机器人
内容来源:2017年3月11日,微软中国技术顾问佘泽鹏在"HTML5梦工场 & 微软开发者沙龙第02期--北京"进行<对话即平台:利用人工智能以及云平台打造你的智能机 ...
微信早安，利用uniCloud阿里云的云函数实现定时推送
最近比较火的微信早安,看了一下小红书 @猪咪不是猪的教程,也动手做了一下,并做了一下实现定时的优化与符合我自己需求的修改.由于本人并不很熟悉python,所以部分修改是基于教程源码做修改的,在此也感谢 ...