Lidar系列文章

传感器融合是将多个传感器采集的数据进行融合处理，以更好感知周围环境；这里首先介绍激光雷达的相关内容，包括激光雷达基本介绍（本节内容），激光点云数据处理方法（点云数据显示与裁剪，点云分割，点云聚类，障碍物识别实例）等。

系列文章目录

1. 激光雷达基本介绍
2. 激光点云数据显示
3. 基于RANSAC的激光点云分割
4. 点云分割入门级实例学习
5. 激光点云目标物聚类
6. 基于PCL实现欧式聚类提取
7. 激光雷达障碍物识别

基于PCL的激光点云可视化实例

本小节主要介绍激光点云的可视化，主要利用PCL对道路的激光点云进行可视化。
本实例中首先实例化了一个含有RGB颜色的激光点云对象，然后将这个激光点云对象指针作为参数，传入PCL中的激光点云读取函数中，将激光点云文件读取到实例化的激光点云对象的指针中。接下来，实例化一个激光点云可视化对象viewer1，通过这个对象调用addPointCloud()方法。实例化的激光点云传入viewer1对象后，设置激光点云可视化窗口的背景颜色。

#include<pcl/visualization/pcl_visualizer.h>
#include<iostream>//标准C++库中的输入输出类相关头文件。
#include<pcl/io/io.h>
#include<pcl/io/pcd_io.h>//pcd 读写类相关的头文件。

using namespace std;
using namespace pcl;
typedef pcl::PointXYZI PointIoType;//对激光点云类型进行宏定义

int main(int argc, char** argv){ 
   
	pcl::PointCloud<PointIoType>::Ptr cloud(new pcl::PointCloud<PointIoType>());
	if (pcl::io::loadPCDFile("../data/simpleHighway.pcd", *cloud) == -1)
		return (-1);
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer1(new pcl::visualization::PCLVisualizer("3D Viewer"));
	viewer1->addPointCloud<PointIoType>(cloud, "simpleHighway.pcb");
	viewer1->setBackgroundColor(0, 0, 0);//设置可视化窗口的背景颜色为黑色
	while (!viewer1->wasStopped())//持久化显示激光点云图像
	{ 
   
		viewer1->spinOnce(100);
		boost::this_thread::sleep(boost::posix_time::microseconds(100000));
	}

	return 0;
}

激光点云俯视图显示

本小节将介绍如何加载、俯视图显示KITTI数据集的激光点云数据，去除地面反射点云。KITTI激光点云数据采集使用Velodyne HDL-64E机械旋转式激光雷达采集，旋转频率10Hz，一圈大概有100k点云。

这里我们使用Point激光点云格式如下：

struct LidarPoint { 
    // single lidar point in space
    double x,y,z,r; // x,y,z in [m], r is point reflectivity
};

采集平台中，激光雷达与摄像头同步采集，该时刻摄像头采集的场景如下。

同一时刻激光点云采集图像如下图，包含Velodyne坐标系统和距离标记。俯视图中点云图像被裁剪至Lidar前部20m，实际可达78m。

以下代码示例中，我们首先加载了点云数据；为了更好的表现车辆前方的激光点云数据，我们将根据激光反射点的由近及远将颜色显示转换为由红变绿。

然后，去除地面反射点云，结果显示如下。

void showLidarTopview()
{ 
   
  std::vector<LidarPoint> lidarPoints;
  readLidarPts("./dat/C51_LidarPts_0000.dat",lidarpoints);
  
  cv::Size worldSize(10.0,20.0); //width and height of sensor field in m
  cv::Size ImageSize(1000,2000); //Corresponding top view in pixel
  
  //create topview image
  cv::Mat topviewImg(ImageSize, CV_8UC3, cv::Scalar(0,0,0));
  
  //plot Lidar points into image
  for (auto it=lidarPoints.begin();it!=lidarPoints.end();++it)
  { 
   
    float xw=(*it).x; //world position in m with x facing forward from sensor
    float yw=(*it).y; //world position in m with y facing left from sensor
    
    int y=(-xw*imageSize.height/worldSize.height)+imageSize.height;
    int x=(-yw*imageSize.width/worldSize.width)+imageSize.width/2;
    
    float zw=(*it).z; //height above road surface
    double minZ=-1.40;
    
    if(zw>minZ)
    { 
   
    float val=it->x;//distance in driving direction
    float maxVal=worldSize.height;
    int red=min(255,(int)(255*abs((val-maxVal)/maxVal)));
    int green=min(255,(int)(255*(1-abs((val-maxVal)/maxVal))));
    cv::circle(topviewImg, cv::Point(x,y),5,cv::Scalar(0,green,red),-1);    
    }
  }
  
  //plot distance markers
  float lineSpacing = 2.0; //gap between distance markers
  int nMarkers = floor(worldSize.height/lineSpacing);
  for (size_t i=0; i<nMarkers;++i)
  { 
   
    int y=(-(i*lineSpacing)*imageSize.height/wordSize.height)+imageSize.height;
    cv::line(topeviewImg,cv::Point(0,y),cv::Point(imageSize.width,y),cv::Scalar(255,0,0));
  }
  
  //display image
  string windowName="Top-View Perpestive of LiDAR data";
  cv::namedWindow(windowName,2);
  cv::imshow(windowName,topViewImg);
  cv::waitKey(0);//wait for key to be pressed
}

资源链接：激光点云数据显示

今天的文章激光点云数据显示分享到此就结束了，感谢您的阅读。