【C++】相机标定源码笔记-线激光点云处理工具类

一个线激光点云处理工具类，它包含了一系列的方法用于处理和分析线激光扫描得到的点云数据。提供的功能包括：

1. 通过文件或直接数据设置点云。

2. 计算线激光在机器人坐标系下的精度，输出内点的平均距离、最大距离、最小距离、总点数和内点数。

3. 提供了一种方法计算物体从当前位置回到地平面的变换矩阵。

4. 能够计算线激光与垂直平面的角度，这对于确定线激光传感器的朝向非常有用。

工具类利用了pcl::sample_consensus::RANSAC算法和线模型(pcl::SampleConsensusModelLine<pcl::PointXYZ>)对线激光扫描得到的点云数据进行分析，从而完成精度测量、变换计算以及角度测定等任务。

--------------------函数-------------------

构造函数：创建一个新的点云指针，将成员变量原始点云初始化为新创建的点云。将成员变量原始点云共享给点云指针。

析构函数:空。

设置点云数据通过文件名读取点云文件：创建爱你一个点云对象，读取点云文件，将读取的点云复制到成员变量 原始点云。

设置点云数据，通过传入点云对象： 将传入的点云对象复制到成员变量。

获取点云的精度信息：计算线激光点云在机器人坐标系下的精度（通过内点索引）。输入包含高度直通滤波的参数和距离基准，最大容忍距离，输出内点的平均距离、最大距离、最小距离以及点数和内点数。创建直通滤波器，创建点云指针和滤波后点云指针，将原始点云复制到点云指针对象，设置滤波器的输入点云，设置滤波字段z，设置滤波范围，执行滤波操作得到滤波后点云。设置输入点云为滤波后点云，设置滤波字段x，设置滤波范围，执行滤波操作得到新的滤波后点云。获取滤波后点云的点数，初始化内点数、总距离、最大距离、最小距离。遍历滤波后的点云{ 获取一个点，更新最大距离（点的x坐标），更新最小距离，如果当前点的x坐标与标准距离的差值大于容差，则跳过。  累加距离，累加内点数。}。 计算平均距离，设置最大距离和最小距离。设置内点数。

获取回到地面的变换矩阵：调用外部函数，输入原始点云，z的（高度）最大最小值，x的（直径）最大最小值。最大局外点距离，得到变换矩阵。

获取墙面俯仰角（主要任务是通过拟合点云中的平面来计算墙面的俯仰角（pitch angle），并生成一个旋转矩阵 T，将拟合的平面对齐到水平面）： 初始化变换矩阵为单位矩阵，一个墙面上最少有20个点。创建滤波后点云指针，遍历输入点云，去除那些接近原点的点（即 x, y, z 坐标都接近 0 的点），并将剩余的点添加到 滤波后点云 中 . 拟合平面[ 定义平面模型的系数, 创建 ModelCoefficients 和 PointIndices 指针，分别用于存储平面模型的系数和内点的索引,创建 SACSegmentation 对象 seg，用于执行随机采样一致性（RANSAC）算法来拟合平面,设置 seg 的参数(优化模型系数，模型类型为平面，使用RANSAC方法，距离阈值 )，执行分割，如果没有找到平面模型，打印错误并返回，获取平面模型系数]。  计算旋转矩阵[ 根据平面系数设置初始法向量，目标法向量设置为0,0,1； 创建旋转矩阵] ，计算俯仰角。

计算线激光与垂直平面角度： 创建滤波器和两个点云指针，复制输入点云到点云指针对象，滤波操作[对x轴执行滤波，保留距离正负δ范围的点，然后对z轴执行滤波，保留在最小最大z范围内的点]。检查点数并在ZOY平面上拟合直线。定义4维向量 光线参数（其中 (vx, vy) 是与线共线的归一化向量，(x0, y0) 是线上的一个点。），光线点向量，遍历滤波后点云，将点坐标（y,z） 添加到光线点向量。使用cv::fitLine为光条中心点进行直线拟合。输出光线参数。根据光线参数获取点斜式的点和斜率[如果 vy 非常小（接近于0），则认为直线与 x 轴平行，角度为0. 使用 atan2f 函数计算直线方向向量的角度,将角度从弧度转换为度数。根据角度的正负值调整角度，使其符合常规定义]。

Five Facts Lidar Companies Don't Want You To Know

https://www.youtube.com/watch?v=VuO3-TRuAP0&ab_channel=HesaiTechnology