根据RGB信息定位点云中的点写在前面本人从事机器视觉细分的3D相机行业。编写此系列文章主要目的有1、便利他人应用3D相机本系列文章包含公司所出售相机的SDK的使用例程及详细注释2、促进行业发展及交流。知微传感Dkam系列3D相机可以应用于定位分拣、焊接引导、逆向建模、检测测量等领域欢迎与我深入交流Liu_Gump_流程及API说明简要说明知微传感Dkam系列3D相机中多数型号都具备输出RGB信息的功能用户在使用3D相机时往往需要RGB信息协助通过颜色特征提取目标物体的点云本例程示意如何通过RGB图中像素的位置来找到对应位置的点核心思路是按照序号查找点云中的点例如3D相机的RGB图的分辨率是1944×2592点云的分辨率是1280×1024可以将点云按照RGB进行重排通过对RGB信息的处理认定想要提取第n行第m列像素对应的点该点即是点云中为第1944×n-1m个点点云的分辨率和RGB的分辨率不同按照RGB对点云进行重拍后点云的分辨率与RGB相同也因此会出现大量坐标为0的点按照RGB对点云进行重排后点云的坐标系不会发生变化根据RGB信息定位点云中点的流程获取RGB和点云根据RGB值找到对应像素的uv坐标按照RGB重排点云按照目标像素查找点云中的点提取点相关APIRawdataToRgb888 将原始RGB数据转为RGB88void RawdataToRgb888(Camera_Object_C* camera_obj, PhotoInfo *rgb_data)函数功能根据 RGB 原始数据转换为 RGB888 图像数据参数camera_obj相机的结构体指针; rgb_data获取的 RGB 数据返回值无Fusion3DToRGB 根据RGB重排点云int Fusion3DToRGB(Camera_Object_C* camera_obj, PhotoInfo *rgb_data, PhotoInfo *raw_data, PhotoInfo *xyz)函数功能根据 RGB 数据重新排列点云参数camera_obj相机的结构体指针 rgb_data获取的 RGB 数据 raw_data: 获取的点云数据xyz最终重排之后的点云数据返回值0重排成功非 0重排失败例程及注释本例程基于WIN10VisualStudio2019DkamSDK_1.6.71,采用C语言本例使用的第三方库有PCL1.12OpenCV4.5.4第三方库的配置方法另请查阅DkamSDK的配置方法请参考SDK说明书本例程在D330XS型相机上验证#include iostream #includecstring //DkamSDK #includedkam_discovery.h #includedkam_gige_camera.h #includedkam_gige_stream.h //PCL #include pcl/io/pcd_io.h #include pcl/point_types.h #include pcl/visualization/pcl_visualizer.h //OpenCV #include opencv2/opencv.hpp int main() { std::cout Hello ZhiSENSOR! std::endl; std::cout Hello liu_zhisensor! std::endl; std::vectorDiscoveryInfo discovery_info; Discovery discovery; GigeCamera camera; GigeStream* pointgigestream NULL; GigeStream* graygigestream NULL; GigeStream* rgbgigestream NULL; //**********************************************查询相机**************************************************** //查询局域网内的3D相机 std::vectorDiscoveryInfo().swap(discovery_info); int camer_num discovery.DiscoverCamera(discovery_info); std::cout 局域网内共有 camer_num 台相机 std::endl; //显示局域网内相机的IP for (int i 0; i camer_num; i) { std::cout 局域网内相机的IP为: discovery.ConvertIpIntToString(discovery_info[i].camera_ip) std::endl; } //**********************************************连接相机**************************************************** //选定相机 int k -1; for (int i 0; i camer_num; i) { if (strcmp((discovery.ConvertIpIntToString(discovery_info[i].camera_ip)), 169.254.47.100) 0) { k i; std::cout 将连接第 k 1 台相机 std::endl; } else { std::cout 局域网内无该IP的相机 std::endl; } } //连接相机 int connect camera.CameraConnect(discovery_info[k]); if (connect 0) { std::cout 成功连接相机 std::endl; } else { std::cout 连接相机失败请检查 std::endl; } //**********************************************配置相机**************************************************** if (connect 0) { //获取当前红外相机的宽和高 int width -1; int height -1; std::cout 获取相机红外图的宽和高。。。 std::endl; int height_gray camera.GetCameraHeight(height, 0); int width_gray camera.GetCameraWidth(width, 0); std::cout 相机红外图的宽为: width std::endl; std::cout 相机红外图的高为: height std::endl; //获取当前RGB相机的宽和高如相机不支持则无此项 int width_RGB -1; int height_RGB -1; std::cout 获取相机RGB图的宽和高。。。 std::endl; int height_rgb camera.GetCameraHeight(height_RGB, 1); int width_rgb camera.GetCameraWidth(width_RGB, 1); std::cout 相机RGB图的宽为 width_RGB std::endl; std::cout 相机RGB图的高为 height_RGB std::endl; //定义点云数据大小 PhotoInfo* point_data new PhotoInfo; point_data-pixel new char[width * height * 6]; memset(point_data-pixel, 0, width * height * 6); //定义RGB数据大小 PhotoInfo* RGB_data new PhotoInfo; RGB_data-pixel new char[width_RGB * height_RGB * 3]; memset(RGB_data-pixel, 0, width_RGB * height_RGB * 3); //**********************************************打开数据通道**************************************************** //开启数据流通道(0:红外 1:点云 2:RGB) //点云 int stream_point camera.StreamOn(1, pointgigestream); if (stream_point 0) { std::cout 点云通道打开成功 std::endl; } else { std::cout 点云通道打开失败 std::endl; } //RGB图通道 int stream_RGB camera.StreamOn(2, rgbgigestream); if (stream_RGB 0) { std::cout RGB图通道打开成功 std::endl; } else { std::cout RGB图通道打开失败 std::endl; } //开始接受数据 int acquistion camera.AcquisitionStart(); if (acquistion 0) { std::cout 可以开始接受数据 std::endl; } //刷新缓冲区数据 pointgigestream-FlushBuffer(); rgbgigestream-FlushBuffer(); //**********************************************等待相机上传数据*************************************** //采集点云 int capturePoint -1; capturePoint pointgigestream-TimeoutCapture(point_data, 4000000); if (capturePoint 0) { std::cout 点云接收成功 std::endl; } else { std::cout 点云接收失败 std::endl; std::cout 失败代号 capturePoint std::endl; } //采集RGB int captureRGB -1; captureRGB rgbgigestream-TimeoutCapture(RGB_data, 4000000); if (captureRGB 0) { std::cout RGB接收成功 std::endl; } else { std::cout RGB接收失败 std::endl; std::cout 失败代号 captureRGB std::endl; } //**********************************************将数据OpenCV可处理格式*************************************** //RGB图 std::cout 将RGB图转换到OpenCV格式... std::endl; camera.RawdataToRgb888(*RGB_data); cv::Mat RGBimage cv::Mat(height_RGB, width_RGB, CV_8UC3, (void*)RGB_data-pixel); cv::cvtColor(RGBimage,RGBimage,cv::COLOR_RGB2BGR); //cv::imshow(RGB Picture, RGBimage); cv::imwrite(RGBImage.bmp,RGBimage); //**********************************************利用OpenCV提取目标像素*************************************** std::cout 利用OpenCV提取目标像素位置... std::endl; //本例中提取含有绿苹果模型的像素颜色为绿色 //将RGB信息转换为HSV颜色空间 cv::Mat HSV; cv::cvtColor(RGBimage,HSV,cv::COLOR_BGR2HSV); //定义颜色范围,本例中绿色的HSV分别为H:50-70,S:43-255,V:46-255 cv::Scalar Lower(50,43,46); cv::Scalar Upper(70,255,255); //利用cvInRanges()获取颜色范围内的像素 cv::Mat mask; cv::inRange(HSV, Lower, Upper, mask); //寻找特定颜色的位置 std::vectorcv::Point pixel; cv::findNonZero(mask, pixel); /* //输出位置信息 for (int i 0; i pixel.size(); i) { int x pixel[i].x; int y pixel[i].y; std::cout x: x ; y: y std::endl; } */ //保存提取的像素方便查看是否提取成功 cv::Mat out; RGBimage.copyTo(out,mask); //cv::imshow(out, out); cv::imwrite(apple.bmp, out); //****************************************按照RGB重排点云********************************** std::cout 按照RGB重排点云... std::endl; //开辟内存存放重排后的点云点云的分辨率与RGB的相同 PhotoInfo* xyz_data new PhotoInfo; xyz_data-pixel new char[RGB_data-pixel_width * RGB_data-pixel_height * 6]; memset(xyz_data-pixel, 0, RGB_data-pixel_width * RGB_data-pixel_height * 6); //重排 int FusionTag -1; FusionTag camera.Fusion3DToRGB(*RGB_data, *point_data, *xyz_data); if (FusionTag 0) { std::cout 点云重排成功 std::endl; } else { std::cout 点云重排失败 std::endl; std::cout 失败代号 FusionTag std::endl; } //****************************************将重排后点云数据转化为PCL可处理********************************** std::cout 将重排后点云数据转化为PCL可处理... std::endl; //开辟内存 float* cloud (float*)malloc(xyz_data-pixel_height * xyz_data-pixel_width * 3 * sizeof(float)); memset((void*)cloud, 0, xyz_data-pixel_height * xyz_data-pixel_width * 3 * sizeof(float)); camera.Convert3DPointFromCharToFloat(*xyz_data, cloud); pcl::PointCloudpcl::PointXYZ::Ptr PointCloud_PCL(new pcl::PointCloudpcl::PointXYZ); PointCloud_PCL-width xyz_data-pixel_width; PointCloud_PCL-height xyz_data-pixel_height; PointCloud_PCL-points.resize(PointCloud_PCL-width * PointCloud_PCL-height); for (size_t i 0; i PointCloud_PCL-points.size(); i) { PointCloud_PCL-points[i].x cloud[3 * i 0]; PointCloud_PCL-points[i].y cloud[3 * i 1]; PointCloud_PCL-points[i].z cloud[3 * i 2]; } //保存点云 pcl::io::savePCDFile(PointCloud_PCL.pcd, *PointCloud_PCL); /* //按照内存位置 给重排后的点云赋予颜色检查是否对齐 pcl::PointCloudpcl::PointXYZRGB::Ptr PointCloudRGB(new pcl::PointCloudpcl::PointXYZRGB); PointCloudRGB - width PointCloud_PCL-width; PointCloudRGB-height PointCloud_PCL-height; PointCloudRGB-points.resize(PointCloudRGB-width * PointCloudRGB-height); for (size_t i 0; i PointCloud_PCL-points.size(); i) { PointCloudRGB-points[i].x PointCloud_PCL-points[i].x ; PointCloudRGB-points[i].y PointCloud_PCL-points[i].y ; PointCloudRGB-points[i].z PointCloud_PCL-points[i].z ; PointCloudRGB-points[i].r RGB_data-pixel[3 * i 2]; PointCloudRGB-points[i].g RGB_data-pixel[3 * i 1]; PointCloudRGB-points[i].b RGB_data-pixel[3 * i 0]; } pcl::io::savePCDFile(PointCloudRGB.pcd, *PointCloudRGB); //end */ //****************************************按照RGB像素位置提取点云********************************** std::cout 按照RGB像素位置提取点云... std::endl; pcl::PointCloudpcl::PointXYZ::Ptr PointCloud_EX(new pcl::PointCloudpcl::PointXYZ); PointCloud_EX-width 1; PointCloud_EX-height pixel.size(); PointCloud_EX-points.resize(PointCloud_EX-width * PointCloud_EX-height); for (int i 0; i pixel.size(); i) { PointCloud_EX-points[i].x PointCloud_PCL-points[ ((pixel[i].y -1) * width_RGB pixel[i].x)].x; PointCloud_EX-points[i].y PointCloud_PCL-points[((pixel[i].y -1) * width_RGB pixel[i].x)].y; PointCloud_EX-points[i].z PointCloud_PCL-points[ ((pixel[i].y -1) * width_RGB pixel[i].x)].z; } //保存提取的点云 pcl::io::savePCDFile(apple.pcd, *PointCloud_EX); //****************************************显示提取的点云********************************** std::cout 显示提取的点云... std::endl; pcl::visualization::PCLVisualizer::Ptr Viewer(new pcl::visualization::PCLVisualizer(3D Viewer)); Viewer-addPointCloudpcl::PointXYZ(PointCloud_EX, cloud); Viewer-setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, cloud); Viewer-addCoordinateSystem(1.0); Viewer-initCameraParameters(); while (!Viewer-wasStopped()) { Viewer-spin(); } //**********************************************结束工作*************************************** //释放内存 delete[] point_data-pixel; delete point_data; delete[] RGB_data-pixel; delete RGB_data; RGBimage.release(); HSV.release(); mask.release(); out.release(); delete[] xyz_data-pixel; delete xyz_data; free (cloud); //关闭数据流通道 int streamoff_point camera.StreamOff(1, pointgigestream); int streamoff_rgb camera.StreamOff(2, rgbgigestream); //断开相机连接 int disconnect camera.CameraDisconnect(); std::cout 工作结束 std::endl; } cv::waitKey(0); return 0; }运行结果3D相机采集的RGB数据提取目标像素结果按照RGB重排后的点云按照RGB像素位置提取的点云以上结果可以看出可以利用按照RGB重排点云来实现按照RGB像素位置提取对应点的功能后记知微传感Dkam系列3D相机可以应用于定位分拣、焊接引导、逆向建模、检测测量等领域
根据RGB信息定位点云中的点写在前面本人从事机器视觉细分的3D相机行业。编写此系列文章主要目的有1、便利他人应用3D相机本系列文章包含公司所出售相机的SDK的使用例程及详细注释2、促进行业发展及交流。知微传感Dkam系列3D相机可以应用于定位分拣、焊接引导、逆向建模、检测测量等领域欢迎与我深入交流Liu_Gump_流程及API说明简要说明知微传感Dkam系列3D相机中多数型号都具备输出RGB信息的功能用户在使用3D相机时往往需要RGB信息协助通过颜色特征提取目标物体的点云本例程示意如何通过RGB图中像素的位置来找到对应位置的点核心思路是按照序号查找点云中的点例如3D相机的RGB图的分辨率是1944×2592点云的分辨率是1280×1024可以将点云按照RGB进行重排通过对RGB信息的处理认定想要提取第n行第m列像素对应的点该点即是点云中为第1944×n-1m个点点云的分辨率和RGB的分辨率不同按照RGB对点云进行重拍后点云的分辨率与RGB相同也因此会出现大量坐标为0的点按照RGB对点云进行重排后点云的坐标系不会发生变化根据RGB信息定位点云中点的流程获取RGB和点云根据RGB值找到对应像素的uv坐标按照RGB重排点云按照目标像素查找点云中的点提取点相关APIRawdataToRgb888 将原始RGB数据转为RGB88void RawdataToRgb888(Camera_Object_C* camera_obj, PhotoInfo *rgb_data)函数功能根据 RGB 原始数据转换为 RGB888 图像数据参数camera_obj相机的结构体指针; rgb_data获取的 RGB 数据返回值无Fusion3DToRGB 根据RGB重排点云int Fusion3DToRGB(Camera_Object_C* camera_obj, PhotoInfo *rgb_data, PhotoInfo *raw_data, PhotoInfo *xyz)函数功能根据 RGB 数据重新排列点云参数camera_obj相机的结构体指针 rgb_data获取的 RGB 数据 raw_data: 获取的点云数据xyz最终重排之后的点云数据返回值0重排成功非 0重排失败例程及注释本例程基于WIN10VisualStudio2019DkamSDK_1.6.71,采用C语言本例使用的第三方库有PCL1.12OpenCV4.5.4第三方库的配置方法另请查阅DkamSDK的配置方法请参考SDK说明书本例程在D330XS型相机上验证#include iostream #includecstring //DkamSDK #includedkam_discovery.h #includedkam_gige_camera.h #includedkam_gige_stream.h //PCL #include pcl/io/pcd_io.h #include pcl/point_types.h #include pcl/visualization/pcl_visualizer.h //OpenCV #include opencv2/opencv.hpp int main() { std::cout Hello ZhiSENSOR! std::endl; std::cout Hello liu_zhisensor! std::endl; std::vectorDiscoveryInfo discovery_info; Discovery discovery; GigeCamera camera; GigeStream* pointgigestream NULL; GigeStream* graygigestream NULL; GigeStream* rgbgigestream NULL; //**********************************************查询相机**************************************************** //查询局域网内的3D相机 std::vectorDiscoveryInfo().swap(discovery_info); int camer_num discovery.DiscoverCamera(discovery_info); std::cout 局域网内共有 camer_num 台相机 std::endl; //显示局域网内相机的IP for (int i 0; i camer_num; i) { std::cout 局域网内相机的IP为: discovery.ConvertIpIntToString(discovery_info[i].camera_ip) std::endl; } //**********************************************连接相机**************************************************** //选定相机 int k -1; for (int i 0; i camer_num; i) { if (strcmp((discovery.ConvertIpIntToString(discovery_info[i].camera_ip)), 169.254.47.100) 0) { k i; std::cout 将连接第 k 1 台相机 std::endl; } else { std::cout 局域网内无该IP的相机 std::endl; } } //连接相机 int connect camera.CameraConnect(discovery_info[k]); if (connect 0) { std::cout 成功连接相机 std::endl; } else { std::cout 连接相机失败请检查 std::endl; } //**********************************************配置相机**************************************************** if (connect 0) { //获取当前红外相机的宽和高 int width -1; int height -1; std::cout 获取相机红外图的宽和高。。。 std::endl; int height_gray camera.GetCameraHeight(height, 0); int width_gray camera.GetCameraWidth(width, 0); std::cout 相机红外图的宽为: width std::endl; std::cout 相机红外图的高为: height std::endl; //获取当前RGB相机的宽和高如相机不支持则无此项 int width_RGB -1; int height_RGB -1; std::cout 获取相机RGB图的宽和高。。。 std::endl; int height_rgb camera.GetCameraHeight(height_RGB, 1); int width_rgb camera.GetCameraWidth(width_RGB, 1); std::cout 相机RGB图的宽为 width_RGB std::endl; std::cout 相机RGB图的高为 height_RGB std::endl; //定义点云数据大小 PhotoInfo* point_data new PhotoInfo; point_data-pixel new char[width * height * 6]; memset(point_data-pixel, 0, width * height * 6); //定义RGB数据大小 PhotoInfo* RGB_data new PhotoInfo; RGB_data-pixel new char[width_RGB * height_RGB * 3]; memset(RGB_data-pixel, 0, width_RGB * height_RGB * 3); //**********************************************打开数据通道**************************************************** //开启数据流通道(0:红外 1:点云 2:RGB) //点云 int stream_point camera.StreamOn(1, pointgigestream); if (stream_point 0) { std::cout 点云通道打开成功 std::endl; } else { std::cout 点云通道打开失败 std::endl; } //RGB图通道 int stream_RGB camera.StreamOn(2, rgbgigestream); if (stream_RGB 0) { std::cout RGB图通道打开成功 std::endl; } else { std::cout RGB图通道打开失败 std::endl; } //开始接受数据 int acquistion camera.AcquisitionStart(); if (acquistion 0) { std::cout 可以开始接受数据 std::endl; } //刷新缓冲区数据 pointgigestream-FlushBuffer(); rgbgigestream-FlushBuffer(); //**********************************************等待相机上传数据*************************************** //采集点云 int capturePoint -1; capturePoint pointgigestream-TimeoutCapture(point_data, 4000000); if (capturePoint 0) { std::cout 点云接收成功 std::endl; } else { std::cout 点云接收失败 std::endl; std::cout 失败代号 capturePoint std::endl; } //采集RGB int captureRGB -1; captureRGB rgbgigestream-TimeoutCapture(RGB_data, 4000000); if (captureRGB 0) { std::cout RGB接收成功 std::endl; } else { std::cout RGB接收失败 std::endl; std::cout 失败代号 captureRGB std::endl; } //**********************************************将数据OpenCV可处理格式*************************************** //RGB图 std::cout 将RGB图转换到OpenCV格式... std::endl; camera.RawdataToRgb888(*RGB_data); cv::Mat RGBimage cv::Mat(height_RGB, width_RGB, CV_8UC3, (void*)RGB_data-pixel); cv::cvtColor(RGBimage,RGBimage,cv::COLOR_RGB2BGR); //cv::imshow(RGB Picture, RGBimage); cv::imwrite(RGBImage.bmp,RGBimage); //**********************************************利用OpenCV提取目标像素*************************************** std::cout 利用OpenCV提取目标像素位置... std::endl; //本例中提取含有绿苹果模型的像素颜色为绿色 //将RGB信息转换为HSV颜色空间 cv::Mat HSV; cv::cvtColor(RGBimage,HSV,cv::COLOR_BGR2HSV); //定义颜色范围,本例中绿色的HSV分别为H:50-70,S:43-255,V:46-255 cv::Scalar Lower(50,43,46); cv::Scalar Upper(70,255,255); //利用cvInRanges()获取颜色范围内的像素 cv::Mat mask; cv::inRange(HSV, Lower, Upper, mask); //寻找特定颜色的位置 std::vectorcv::Point pixel; cv::findNonZero(mask, pixel); /* //输出位置信息 for (int i 0; i pixel.size(); i) { int x pixel[i].x; int y pixel[i].y; std::cout x: x ; y: y std::endl; } */ //保存提取的像素方便查看是否提取成功 cv::Mat out; RGBimage.copyTo(out,mask); //cv::imshow(out, out); cv::imwrite(apple.bmp, out); //****************************************按照RGB重排点云********************************** std::cout 按照RGB重排点云... std::endl; //开辟内存存放重排后的点云点云的分辨率与RGB的相同 PhotoInfo* xyz_data new PhotoInfo; xyz_data-pixel new char[RGB_data-pixel_width * RGB_data-pixel_height * 6]; memset(xyz_data-pixel, 0, RGB_data-pixel_width * RGB_data-pixel_height * 6); //重排 int FusionTag -1; FusionTag camera.Fusion3DToRGB(*RGB_data, *point_data, *xyz_data); if (FusionTag 0) { std::cout 点云重排成功 std::endl; } else { std::cout 点云重排失败 std::endl; std::cout 失败代号 FusionTag std::endl; } //****************************************将重排后点云数据转化为PCL可处理********************************** std::cout 将重排后点云数据转化为PCL可处理... std::endl; //开辟内存 float* cloud (float*)malloc(xyz_data-pixel_height * xyz_data-pixel_width * 3 * sizeof(float)); memset((void*)cloud, 0, xyz_data-pixel_height * xyz_data-pixel_width * 3 * sizeof(float)); camera.Convert3DPointFromCharToFloat(*xyz_data, cloud); pcl::PointCloudpcl::PointXYZ::Ptr PointCloud_PCL(new pcl::PointCloudpcl::PointXYZ); PointCloud_PCL-width xyz_data-pixel_width; PointCloud_PCL-height xyz_data-pixel_height; PointCloud_PCL-points.resize(PointCloud_PCL-width * PointCloud_PCL-height); for (size_t i 0; i PointCloud_PCL-points.size(); i) { PointCloud_PCL-points[i].x cloud[3 * i 0]; PointCloud_PCL-points[i].y cloud[3 * i 1]; PointCloud_PCL-points[i].z cloud[3 * i 2]; } //保存点云 pcl::io::savePCDFile(PointCloud_PCL.pcd, *PointCloud_PCL); /* //按照内存位置 给重排后的点云赋予颜色检查是否对齐 pcl::PointCloudpcl::PointXYZRGB::Ptr PointCloudRGB(new pcl::PointCloudpcl::PointXYZRGB); PointCloudRGB - width PointCloud_PCL-width; PointCloudRGB-height PointCloud_PCL-height; PointCloudRGB-points.resize(PointCloudRGB-width * PointCloudRGB-height); for (size_t i 0; i PointCloud_PCL-points.size(); i) { PointCloudRGB-points[i].x PointCloud_PCL-points[i].x ; PointCloudRGB-points[i].y PointCloud_PCL-points[i].y ; PointCloudRGB-points[i].z PointCloud_PCL-points[i].z ; PointCloudRGB-points[i].r RGB_data-pixel[3 * i 2]; PointCloudRGB-points[i].g RGB_data-pixel[3 * i 1]; PointCloudRGB-points[i].b RGB_data-pixel[3 * i 0]; } pcl::io::savePCDFile(PointCloudRGB.pcd, *PointCloudRGB); //end */ //****************************************按照RGB像素位置提取点云********************************** std::cout 按照RGB像素位置提取点云... std::endl; pcl::PointCloudpcl::PointXYZ::Ptr PointCloud_EX(new pcl::PointCloudpcl::PointXYZ); PointCloud_EX-width 1; PointCloud_EX-height pixel.size(); PointCloud_EX-points.resize(PointCloud_EX-width * PointCloud_EX-height); for (int i 0; i pixel.size(); i) { PointCloud_EX-points[i].x PointCloud_PCL-points[ ((pixel[i].y -1) * width_RGB pixel[i].x)].x; PointCloud_EX-points[i].y PointCloud_PCL-points[((pixel[i].y -1) * width_RGB pixel[i].x)].y; PointCloud_EX-points[i].z PointCloud_PCL-points[ ((pixel[i].y -1) * width_RGB pixel[i].x)].z; } //保存提取的点云 pcl::io::savePCDFile(apple.pcd, *PointCloud_EX); //****************************************显示提取的点云********************************** std::cout 显示提取的点云... std::endl; pcl::visualization::PCLVisualizer::Ptr Viewer(new pcl::visualization::PCLVisualizer(3D Viewer)); Viewer-addPointCloudpcl::PointXYZ(PointCloud_EX, cloud); Viewer-setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, cloud); Viewer-addCoordinateSystem(1.0); Viewer-initCameraParameters(); while (!Viewer-wasStopped()) { Viewer-spin(); } //**********************************************结束工作*************************************** //释放内存 delete[] point_data-pixel; delete point_data; delete[] RGB_data-pixel; delete RGB_data; RGBimage.release(); HSV.release(); mask.release(); out.release(); delete[] xyz_data-pixel; delete xyz_data; free (cloud); //关闭数据流通道 int streamoff_point camera.StreamOff(1, pointgigestream); int streamoff_rgb camera.StreamOff(2, rgbgigestream); //断开相机连接 int disconnect camera.CameraDisconnect(); std::cout 工作结束 std::endl; } cv::waitKey(0); return 0; }运行结果3D相机采集的RGB数据提取目标像素结果按照RGB重排后的点云按照RGB像素位置提取的点云以上结果可以看出可以利用按照RGB重排点云来实现按照RGB像素位置提取对应点的功能后记知微传感Dkam系列3D相机可以应用于定位分拣、焊接引导、逆向建模、检测测量等领域
)
