●章概述11PCL是什麼12點雲處理技術與PCL的前世今生13點雲處理技術能給工程師們帶來什麼131測繪領域132無人駕駛領域133機器人領域134人機交互領域135逆向工程與其他工業自動化領域136BIM領域14PCL的結構與核心內容第2章PCL入門21快速安裝與源碼編譯安裝211Windows下配置安裝PCL開發環境212ROS下配置搭建PCL開發環境213用第三方預編譯包從源碼搭建開發環境214從源碼搭建開發環境22開發工程的建立與項目管理221Windows下建立編譯鏈接PCL工程222ROS下建立編譯鏈接PCL工程23PCL編碼風格簡介231PCL編程規範232如何編寫新的PCL類233PCL的點類型以及如何增加自定義的點類型234PCL中的異常處理機制第3章輸入輸出(IO)31IO涉及的設備及相關概念311OpenNI及類Kinect設備312以Project Tango為代表的便攜式消費級點雲獲取設備313PCL目前支持的點雲獲取設備314PCL中IO模塊及類32IO入門級實例解析321PCD文件格式322PCD文件IO操作323兩個點雲中的字段或數據連接324基於OpenNI接口的點雲數據獲取325PLY、LAS等常見數據格式與PCD的轉換326利用Kinect2獲取點雲數據33IO精通級實例解析331ROS下進行點雲數據實時獲取與可視化332自選設備scanCONTROL與PCL實時獲取與可視化點雲數據333利用Tango進行點雲數據獲取334基於Structure from Motion 的點雲數據獲取第4章kd tree與八叉樹41kd tree和八叉樹的概念及相關算法411kd tree概念及相關算法412PCL中kd tree模塊及類413八叉樹概念及相關算法 414PCL中八叉樹模塊及類42kd tree與八叉樹入門級實例解析421在PCL中如何實現快速鄰域搜索422在PCL中如何實現點雲壓縮423基於八叉樹的空間劃分及搜索操作424無序點雲數據集的空間變化檢測第5章可視化51PCL中visualization模塊及類 52可視化入門級實例解析521簡單點雲可視化522可視化深度圖像523PCLVisualizer可視化類524PCLPlotter可視化特征直方圖53可視化精通級實例解析531PCL結合Qt使用框架532PCL結合MFC使用框架533客戶端瀏覽器上對點雲進行可視化點雲庫PCL從入門到精通目錄第6章點雲濾波61PCL中實現的濾波算法及相關概念611PCL中的點雲濾波方案612雙邊濾波算法613PCL中filters模塊及類62點雲濾波入門級實例解析621使用直通濾波器對點雲進行濾波處理622使用VoxelGrid濾波器對點雲進行下采樣623使用StatisticalOutlierRemoval濾波器移除離群點624使用參數化模型投影點雲625從一個點雲中提取一個子集626使用ConditionalRemoval或RadiusOutlierRemoval移除離群點627CropHull任意多邊形內部點雲提取63點雲濾波精通級實例解析:IPhone X手機外殼全尺寸檢測631項目需求概述632利用濾波可以實現的功能第7章深度圖像71RangeImage概念及相關算法711深度圖像簡介712PCL中RangeImage的相關類 72深度圖像入門級實例解析721如何從一個點雲創建一個深度圖像722如何從深度圖像中提取邊界73深度圖像精通級實例解析點雲到深度圖的變換與曲面重建第8章關鍵點81關鍵點概念及相關算法82關鍵點入門級實例解析821如何從距離圖像中提取NARF關鍵點822SIFT關鍵點提取 823Harris關鍵點提取83關鍵點精通級實例解析:基於對應點分類的對像識別第9章采樣一致性91隨機采樣一致性相關概念及算法92采樣一致性入門級實例解析93采樣一致性精通級實例解析:兩兩點雲獲取設備自動標定931項目需求概述932具體實現0章3D點雲特征描述與提取101特征描述與提取的概念及相關算法10113D形狀內容描述子 1012旋轉圖像1013PCL中特征描述與提取模塊及類102點雲特征描述與提取入門級實例解析1021PCL中描述三維特征相關基礎1022估計一個點雲的表面法線1023使用積分圖進行法線估計1024點特征直方圖描述子1025快速點特征直方圖描述子 1026估計一點雲的VFH特征1027如何從一個深度圖像中提取NARF特征1028特征描述算子算法基準化分析1029RoPs特征10210基於慣性矩與偏心率的描述子10211BoundaryEstimation進行邊界提取103點雲特征描述與提取精通級實例解析10313D對像識別的假設驗證1032隱式形狀模型方法1033點雲數據視頻流的剛性物體位姿估計與跟蹤定位軟件1章點雲配準111PCL中實現的配準算法及相關概念1111一對點雲配準1112對應估計1113對應關繫去除1114變換矩陣估算
內容簡介
點雲庫(Point Cloud Library, PCL)是在吸收了點雲相關研究基礎上建立起來的跨平臺開源庫,可在Windows、 Linux、 Android、 Mac OS X,以及大部分嵌入式實時繫統上運行,目前已經得到了廣泛應用。本書為應用點雲庫技術的指導圖書,旨在幫助讀者對其以快速、有效的方式上手操作並實際應用,*大限度地讀者的入門與技術提升時間。書中首先介紹了三維點雲處理的相關理論知識,之後則重點從實際的點雲處理功能模塊出發,通過大量具體的實踐案例介紹如何使用該項技術解決實際問題。本書可作為計算機圖形學、機器人、遙感測量、虛擬現實、人機交互、CAD/CAM逆向工程等領域的科研人員進行產品開發、科研項目、課題項目時的參考指南,也可作為大中專院校及培訓班相關專業師生的學習手冊。
為什麼要寫這本書點雲處理技術廣泛應用在逆向工程、CAD/CAM、機器人學、激光遙感測量、機器視覺、虛擬現實、人機交互、無人駕駛等諸多領域。由於其涉及計算機學、圖形學、人工智能、模式識別、幾何計算、傳感器等諸多學科,並且一直以來由於點雲獲取手段的昂貴,嚴重阻礙其在各個行業上的廣泛應用,也造成國內點雲處理的理論性和工具性書籍匱乏。在2010年,隨著消費級RGBD(低成本點雲獲取)設備的大量上市,以微軟的Kinect為前導,目前已有華碩、三星等多家公司開始量產此類產品,正在形成基於RGBD的新一代機器視覺生態鏈,包括Google的Project Tango和Intel的Realsense 3D相關技術產品,PCL(Point Cloud Library)應運而生並且發展迅速。PCL是在吸收了點雲相關研究基礎上建立起來的跨平臺開源庫,可在Windows、Linux、Android、Mac OS X......
"