图像的点云拼接-原理讲解与代码实现-技术圈

理解好图像的点云拼接，需要从相机的模型说起。理解相机的成像原理之后，便可更为深刻的理解图像的点云如何拼接在一起。

首先说下相机的概念与原理。

相机概念与原理

相机的作用：将三维世界中的坐标点(单位为米)映射到二维图像平面(单位为像素)。

通常我们见到的相机都是针孔相机，但是不是简单的针孔，还有透镜的畸变存在，所以在做图像处理时要进行畸变校正。

由于畸变的存在，我们在使用相机之前都要进行相机标定。

目的就是求出内参对于简单的应用求出径向畸变和切向畸变就够了。

所谓的外参就是相机的位姿。

有了外参、内参、图像、深度信息便可以把图像中的点，转到世界坐标系下，并带有RGB的颜色。就形成了所谓的点云。

相关的公式也很好理解，就是通过相似三角形的原理。

注意其中fx 、fy、 cx 、cy也就是相机的内参了。在相机出厂时会给出。

理解了相机的概念与原理，来编辑代码实现下。

Code实现

全部代码

先放上全部代码，再进行分段讲解

#include <iostream>#include <fstream>using namespace std;#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <Eigen/Geometry>#include <boost/format.hpp> // for formating strings#include <pcl/point_types.h>#include <pcl/io/pcd_io.h>#include <pcl/visualization/pcl_visualizer.h>   int main( int argc, char** argv ){    vector<cv::Mat> colorImgs,depthImgs;//彩色图和深度图    vector<Eigen::Isometry3d> poses;//相机位姿     ifstream fin("../pose.txt");//文件读入 相机位置 文件     if(!fin)//相机位姿读入失败    {        cerr<<"请在有pose.txt的目录下运行此程序"<<endl;        return 1;    }     for(int i=0;i<5;i++)    {        boost::format fmt("../%s/%d.%s");//图像文件格式          colorImgs.push_back(cv::imread((fmt%"color"%(i+1)%"png").str()));  // 读取彩色图像        depthImgs.push_back( cv::imread( (fmt%"depth"%(i+1)%"pgm").str(), -1 )); // 使用 -1 读取原始图像           //读取相机位姿        double data[7]={0};        for(auto& d:data)               fin>>d;            Eigen::Quaterniond q( data[6], data[3], data[4], data[5] );            Eigen::Isometry3d T(q);            T.pretranslate( Eigen::Vector3d( data[0], data[1], data[2] ));            poses.push_back( T );    }      //相机内参    double cx=325.5;    double cy=253.5;    double fx=518.0;    double fy=519.0;    double depthScale = 1000.0;      cout<<"正在将图像转换为点云..."<<endl;     //定义点云使用的格式  用XYZRGB    typedef pcl::PointXYZRGB PointT;    typedef pcl::PointCloud<PointT> PointCloud;     //新建一个点云    PointCloud::Ptr pointCloud( new PointCloud );     for(int i=0;i<5;i++)    {        cout<<"转换图像中："<<i+1<<endl;        cv::Mat color = colorImgs[i];//获得 要处理的彩色图像        cv::Mat depth = depthImgs[i];//获得 要处理的深度图像        Eigen::Isometry3d T = poses[i];//获得 对应的pose        for(int v=0 ; v<color.rows;v++)//处理每个像素        {            for(int u=0 ; u<color.cols;u++)            {                unsigned int d = depth.ptr<unsigned short>(v)[u];//深度值                if(d==0) continue;//为0 表示没有测量到                 Eigen::Vector3d point;//相机坐标系下的点                //计算相机坐标系下的点的坐标                point[2] = double(d)/depthScale;                point[0] = (u-cx)*point[2]/fx;                point[1] = (v-cy)*point[2]/fy;                  Eigen::Vector3d pointWorld = T*point;//转换到世界坐标系下                  PointT p;//声明点云                p.x = pointWorld[0];//赋值点云位置                p.y = pointWorld[1];                 p.z = pointWorld[2];                 p.b = color.data[ v*color.step+u*color.channels() ];//赋值点云对应RGB颜色                p.g = color.data[ v*color.step+u*color.channels()+1 ];                p.r = color.data[ v*color.step+u*color.channels()+2 ];                 pointCloud->points.push_back( p );            }        }    }          pointCloud->is_dense = false;         cout<<"点云共有"<<pointCloud->size()<<"个点."<<endl;         pcl::io::savePCDFileBinary("map.pcd", *pointCloud );//保存点云文件      return 0;}

代码讲解

    vector<cv::Mat> colorImgs,depthImgs;//彩色图和深度图    vector<Eigen::Isometry3d> poses;//相机位姿     ifstream fin("../pose.txt");//文件读入 相机位置 文件     if(!fin)//相机位姿读入失败    {        cerr<<"请在有pose.txt的目录下运行此程序"<<endl;        return 1;    }     for(int i=0;i<5;i++)    {        boost::format fmt("../%s/%d.%s");//图像文件格式          colorImgs.push_back(cv::imread((fmt%"color"%(i+1)%"png").str()));  // 读取彩色图像        depthImgs.push_back( cv::imread( (fmt%"depth"%(i+1)%"pgm").str(), -1 )); // 使用 -1 读取原始图像           //读取相机位姿        double data[7]={0};        for(auto& d:data)               fin>>d;            Eigen::Quaterniond q( data[6], data[3], data[4], data[5] );            Eigen::Isometry3d T(q);            T.pretranslate( Eigen::Vector3d( data[0], data[1], data[2] ));            poses.push_back( T );    }

读取对应路径下的彩色图像、深度图像、相机的位姿。

上面说了，有了这三个量再加上相机内参，就可以得到点云。

     //相机内参    double cx=325.5;    double cy=253.5;    double fx=518.0;    double fy=519.0;    double depthScale = 1000.0;

传说中的相机内参

    //定义点云使用的格式  用XYZRGB    typedef pcl::PointXYZRGB PointT;    typedef pcl::PointCloud<PointT> PointCloud;     //新建一个点云    PointCloud::Ptr pointCloud( new PointCloud );

声明pcl的格式创建一个点云，然后开始for循环处理每一张图片和对应的深度图片与相机位姿。

        cv::Mat color = colorImgs[i];//获得 要处理的彩色图像        cv::Mat depth = depthImgs[i];//获得 要处理的深度图像        Eigen::Isometry3d T = poses[i];//获得 对应的pose

得到要处理的彩色图像深度图像对应的pose，然后for循环处理每一个像素。

unsigned int d = depth.ptr<unsigned short>(v)[u];//深度值

得到深度信息

                Eigen::Vector3d point;//相机坐标系下的点                //计算相机坐标系下的点的坐标                point[2] = double(d)/depthScale;                point[0] = (u-cx)*point[2]/fx;                point[1] = (v-cy)*point[2]/fy;

通过：

这个公式得到相机坐标系下的 x，y，z

  Eigen::Vector3d pointWorld = T*point;//转换到世界坐标系下

相机坐标系下的点通过坐标变换转到世界坐标系下。

                PointT p;//声明点云                p.x = pointWorld[0];//赋值点云位置                p.y = pointWorld[1];                 p.z = pointWorld[2];                 p.b = color.data[ v*color.step+u*color.channels() ];//赋值点云对应RGB颜色                p.g = color.data[ v*color.step+u*color.channels()+1 ];                p.r = color.data[ v*color.step+u*color.channels()+2 ];

赋值点云的坐标与颜色。

 pcl::io::savePCDFileBinary("map.pcd", *pointCloud );//保存点云文件

保存成点云文件。

来源：古月居
仅用于学术分享，版权属于原作者。
若有侵权，请联系微信号:yiyang-sy 删除或修改！

—THE END—