轮胎点云文件处理步骤 轮胎的点做什么用

TIME 参考价：未上市

查看参配 获取底价

购置税优惠 经销商报价 车主点评

点云概念

点云与三维图像的关系 ：三维图像是一种特殊的信息表达形式，其特征是表达的空间中三个维度的数据，表现形式包括：深度图（以灰度表达物体与相机的距离），几何模型（由CAD软件建立），点云模型（所有逆向工程设备都将物体采样成点云）。和二维图像相比，三维图像借助第三个维度的信息，可以实现天然的物体——背景解耦。点云数据是最为常见也是最基础的三维模型。点云模型往往由测量直接得到，每个点对应一个测量点，未经过其他处理手段，故包含了最大的信息量。这些信息隐藏在点云中需要以其他提取手段将其萃取出来，提取点云中信息的过程则为三维图像处理。

点云的概念 ：点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合，在获取物体表面每个采样点的空间坐标后，得到的是点的集合，称之为“点云”（Point Cloud）。

点云的获取设备 ：RGBD设备是获取点云的设备，比如PrimeSense公司的PrimeSensor、微软的Kinect、华硕的XTionPRO。

点云的内容 ：根据激光测量原理得到的点云，包括三维坐标（XYZ）和激光反射强度（Intensity），强度信息与目标的表面材质、粗糙度、入射角方向，以及仪器的发射能量，激光波长有关。

根据摄影测量原理得到的点云，包括三维坐标（XYZ）和颜色信息（RGB）。

结合激光测量和摄影测量原理得到点云，包括三维坐标（XYZ）、激光反射强度（Intensity）和颜色信息（RGB）。

点云的属性 ：空间分辨率、点位精度、表面法向量等。

点云存储格式 ：*.pts; *.asc ; *.dat; .stl ; [1] .imw；.xyz； .las。LAS格式文件已成为LiDAR数据的工业标准格式，LAS文件按每条扫描线排列方式存放数据,包括激光点的三维坐标、多次回波信息、强度信息、扫描角度、分类信息、飞行航带信息、飞行姿态信息、项目信息、GPS信息、数据点颜色信息等。

C–class（所属类）

F一flight（航线号）

T一TIME（查成交价|参配|优惠政策）（GPS时间）

I一intensity（回波强度）

R一return（第几次回波）

N一number of return（回波次数）

A一scan angle（扫描角）

RGB一red green blue（RGB颜色值）

点云的数据类型 ：

（1）pcl::PointCloudpcl::PointXYZ

PointXYZ 成员：float x，y，z;表示了xyz3D信息，可以通过points[i].data[0]或points[i].x访问点X的坐标值

（2）pcl::PointCloudpcl::PointXYZI

PointXYZI成员：float x, y, z, intensity; 表示XYZ信息加上强度信息的类型。

（3）pcl::PointCloudpcl::PointXYZRGB

PointXYZRGB 成员：float x,y,z,rgb; 表示XYZ信息加上RGB信息，RGB存储为一个float。

（4）pcl::PointCloudpcl::PointXYZRGBA

PointXYZRGBA 成员：float x , y, z; uint32_t rgba; 表示XYZ信息加上RGBA信息，RGBA用32bit的int型存储的。

（5） PointXY 成员：float x,y;简单的二维x-y点结构

（6）Normal结构体：表示给定点所在样本曲面上的法线方向，以及对应曲率的测量值，用第四个元素来占位，兼容SSE和高效计算。

点云的处理

点云处理的三个层次 ：Marr将图像处理分为三个层次，低层次包括图像强化，滤波，关键点/边缘检测等基本操作。中层次包括连通域标记（label），图像分割等操作。高层次包括物体识别，场景分析等操作。工程中的任务往往需要用到多个层次的图像处理手段。

PCL官网对点云处理方法给出了较为明晰的层次划分，如图所示。

此处的common指的是点云数据的类型，包括XYZ，XYZC，XYZN，XYZG等很多类型点云，归根结底，最重要的信息还是包含在pointpcl::point::xyz中。可以看出，低层次的点云处理主要包括滤波（filters），关键点（keypoints）/边缘检测。点云的中层次处理则是特征描述（feature），分割（segmention）与分类。高层次处理包括配准（registration），识别（recognition）。可见，点云在分割的难易程度上比图像处理更有优势，准确的分割也为识别打好了基础。

低层次处理方法:

①滤波方法：双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致性滤波。②关键点：ISS3D、Harris3D、NARF，SIFT3D

中层次处理方法：

①特征描述：法线和曲率的计算、特征值分析、SHOT、PFH、FPFH、3D Shape Context、Spin Image

②分割与分类：

分割：区域生长、Ransac线面提取、全局优化平面提取

K-Means、Normalize Cut（Context based）

3D Hough Transform(线、面提取)、连通分析

分类：基于点的分类，基于分割的分类，基于深度学习的分类（PointNet，OctNet）

高层次处理方法：

①配准：点云配准分为粗配准（Coarse Registration）和精配准（Fine Registration）两个阶段。

精配准的目的是在粗配准的基础上让点云之间的空间位置差别最小化。应用最为广泛的精配准算法应该是ICP以及ICP的各种变种（稳健ICP、point to plane ICP、Point to line ICP、MBICP、GICP、NICP）。

粗配准是指在点云相对位姿完全未知的情况下对点云进行配准，可以为精配准提供良好的初始值。当前较为普遍的点云自动粗配准算法包括基于穷举搜索的配准算法和基于特征匹配的配准算法。

基于穷举搜索的配准算法：遍历整个变换空间以选取使误差函数最小化的变换关系或者列举出使最多点对满足的变换关系。如RANSAC配准算法、四点一致集配准算法（4-Point Congruent Set, 4PCS）、Super4PCS算法等……

基于特征匹配的配准算法：通过被测物体本身所具备的形态特性构建点云间的匹配对应，然后采用相关算法对变换关系进行估计。如基于点FPFH特征的SAC-IA、FGR等算法、基于点SHOT特征的AO算法以及基于线特征的ICL等…

②SLAM图优化

Ceres（Google的最小二乘优化库，很强大）， g2o、LUM、ELCH、Toro、SPA

SLAM方法：ICP、MBICP、IDC、likehood Field、NDT

③三维重建

泊松重建、 Delaunay triangulations、表面重建，人体重建，建筑物重建，树木重建。结构化重建：不是简单的构建一个Mesh网格，而是为场景进行分割，为场景结构赋予语义信息。场景结构有层次之分，在几何层次就是点线面。实时重建：重建植被或者农作物的4D（3D+时间）生长态势；人体姿势识别；表情识别；

④点云数据管理：点云压缩，点云索引（KD、Octree），点云LOD（金字塔），海量点云的渲染fusion360怎么打开点云数据

1.在Fusion 360中，打开“文件”菜单，然后点击“导入”。

2.在弹出的导入窗口中，选择点云文件的类型，然后点击“打开”按钮。

3.在弹出的文件选择窗口中，选择要导入的点云文件，然后点击“打开”按钮。

4.在弹出的导入设置窗口中，设置点云文件的参数，然后点击“确定”按钮。

5.点云数据就会被导入到Fusion 360中，您可以在设计空间中看到点云数据的模型。点云数据处理的5个步骤

1.点云滤波方法(数据预处理): 双边滤波、高斯滤波、条件滤波、直通滤波、随机采样一致性滤波。 VoxelGrid

2.关键点 ISS3D、Harris3D、NARF SIFT3D、

3.特征和特征描述 法线和曲率计算NormalEstimation、特征值分析Eigen-Analysis、EGI PFH、FPFH、3D Shape Context、Spin Image

4.点云匹配 ICP、稳健ICP、point to plane ICP、Point to line ICP、MBICP、GICP NDT 3D、Multil-Layer NDT FPCS、KFPCS如何自己做一个点云文件，然后导入catia

第一步先在EXCEL里输入坐标点

因为EXCEL在做一组数据的时候可以进行填充，省去你不必要的键盘输入，另外在必须手工输入的情况下，在EXCEL里编辑，也是方面核对和保存的。

XYZ值都输入完以后，存盘，一会再用。

然后找到

catia安装位置里的

\intel_a\code\command\GSD_PointSplineLoftFromExcel.xls

此文件中间会包含一些语句，你需要把你刚才输入过的坐标点，

复制粘贴到StartCurve和EndCurve中间，如下图

StartCurve

内容（刚才编辑好的坐标点）

EndCurve

比如有100个坐标点，那么内容部分就是100行。

注意，一般GSD_PointSplineLoftFromExcel.xls这个文件里有三组StartCurve和EndCurve

你随便用一组即可，然后把其他的行删除掉。

他存有三组的意思是可以同时处理几批数据

回到catia，把文件创建好，把工作光标设定到几何图形集，（不能设到实体）

然后回到excel，点工具--宏--宏

选Feuil1.main，点执行。弹出对话框，用键盘输入1，2，3任意一个数（第一是全点，第二样条线，第三扫描面）

再回到catia，已经创建完毕。

如果选的1，那么空间中会出现100个零散的点。

如果选的2，那么这些点会用样条线贯穿起来

如果把点分开，分别输入开始的3组StartCurve和EndCurve中间那么出现的就是三条样条线。也就是说计算方法是：计算机从StartCurve开始，遇到一组坐标就画一个点，再遇到一组坐标就再画一个点，一直遇到EndCurve，点就画完了，然后用样条线把这些点串连起来，然后再遇到StartCurve，就开始又画点，遇到EndCurve再结束，再画线，这样就两条线了。

有几组StartCurve和EndCurve，就有几条线

如果选的3，那么会形成扫描面。刚才形成的样条线，其中两条作为扫描的两边界，另一条是脊线。我个人认为在这里面最好不要直接出扫描面，他有可能控制的不是那么好。还不如自己用一个扫描命令来做，更直观。怎么用MATLAB对点云数据处理

1、meshlab支持的数据格式很多，选择一个简单的格式进行测试。

2、使用matlab去生成一个txt文档，其数据代表球体的一部分，代码。

3、运行后将生成所需的文件，其内部数据所示。

4、接下来是就是将数据导入Meshlab，该软件界面如下图。通过File-Import Mesh...导入数据。

5、选中刚刚用matlab生成的数据，点击Open.

6、对数据的格式，文档中每一行数据通过空格分割，因此选中空格。

7、设置完成后将将会看到点云的数据，所示。该数据和预期的一样，为球体的一部分。