用c++ PCL库和Opencv库实现将点云数据转化成图片形式
自己的毕业设计与点云相关，现在想要将得到的点云切割数据转化为图片形式，然后进行opencv的图像处理，但是苦于找了很多资料，没有很详细的内容介绍，于是自己用c++，写了一套程序。
参考连接
链接: http://ronny.rest/tutorials/module/pointclouds_01/point_cloud_mpl/
链接: https://blog.csdn.net/learning_tortosie/article/details/88828388
图像和点云坐标
先要理解好图像和点云坐标的关系是完成整个流程关键的基础
蓝色坐标轴就是图像的坐标系，黄色坐标指的是点云的坐标系。
在这里注意：
1.图像坐标系中的对应坐标轴始终为正值
2.图像坐标系的原点是在图像的左上角点
3.图像坐标系坐标值是int整数型
4.点云坐标原点是相机点
5.至于点云坐标系中的x轴y轴z轴指向要看你的鸟瞰视图视哪一个方向的，以我距离，我的是以上图片的坐标系。
鸟瞰图和坐标系的关系
如上如所看，我的坐标系以及款选点云框与坐标系之间的关系：
**在这里规定：
x_img表示图像坐标系中，x轴坐标
y_img表示图像坐标系中，y轴坐标
x_max表示图像的x轴大小，用于设置图像大小
y_max表示图像y轴大小，用于设置图像大小
pixel_values表示在图像坐标系中对应坐标的函数值
**
设置款选点云的矩形框
float side_range [] = { -1500,800 };
float fwd_range[] = { -500 ,500 };
float height_range[] = { -2,2};//y轴相关
//记录筛选出来的点云下标
vector<int>indices;
//获取用矩形框款住想要的点云 利用循环每一个点云，筛选出属于规定框中的点云
for (int i = 0; i < cloud->points.size(); i++) {
if ((cloud->points[i].x > fwd_range[0] && cloud->points[i].x < fwd_range[1]) && (cloud->points[i].z > side_range[0] && cloud- >points[i].z < side_range[1]))
{
indices.push_back(i);
}
};
将点云的厚度信息经过比例转化成255对应值，赋值到img图像对应的坐标值中
//将点云的厚度信息经过比例转化成255对应值，赋值到img图像对应的坐标值中
for (int i = 0; i < indices.size(); i++) {
pixel_values[i]=scale_to_255(pixel_values[i], height_range[0], height_range[1]);
}
//将a值缩放到0-255之间，放回的类型是整型int
int scale_to_255(int pixel_value, int min, int max) {
return int((((pixel_value - min) / float(max - min)) * 255));
}
源代码
注释比较清晰，欢迎大家一起交流，本人小白，不断摸索，有不足之处欢迎提供建议
#include <pcl/visualization/pcl_visualizer.h>
#include <iostream>
#include <vtkPlaneSource.h>
#include <pcl\common\common.h>
#include<opencv2/opencv.hpp>
using namespace std;
//将a值缩放到0-255之间，放回的类型是整型int
int scale_to_255(int pixel_value, int min, int max) {
return int((((pixel_value - min) / float(max - min)) * 255));
}
void use_pcdTopicture_main(pcl::PointCloud< pcl::PointXYZRGB>::Ptr cloud, float res, float side_range_left, float side_range_right, float fwd_range_behind , float fwd_range_front, float height_range_min,float height_range_max) {
/*初始化
cloud 表示点云地址
res 表示分辨率
side_range left - most to right - most
fwd_range back - most to forward - most
height_range bottom - most to upper - most*/
res = 1.0;
//获取点云的最值
pcl::PointXYZRGB min, max;
pcl::getMinMax3D(*cloud, min, max);
//将点云的最值设置为框住点云的边界,自动设置边框大小,目的就是构建图片大小。
//在cloudcompare中绿色坐标轴代表y，红色坐标轴代表x，蓝色坐标轴代表z，因此我们想要的是水平面也就是XOZ面
//根据双目成像原理我认为点云的原点就是相机的位置。，所以我认为款选的是要固定的
float side_range [] = { -1500,800 };
float fwd_range[] = { -500 ,500 };
float height_range[] = { -2,2};//y轴相关
//记录筛选出来的点云下标
vector<int>indices;
//获取用矩形框款住想要的点云 利用循环每一个点云，筛选出属于规定框中的点云
for (int i = 0; i < cloud->points.size(); i++) {
if ((cloud->points[i].x > fwd_range[0] && cloud->points[i].x < fwd_range[1]) && (cloud->points[i].z > side_range[0] && cloud->points[i].z < side_range[1]))
{
indices.push_back(i);
}
};
//在img图像中坐标
vector<int>x_img;
vector<int>y_img;
//将点云的值映射到像素位置中,分辨率为1的话则，将点云的值原封不动的映射到图像中
for (int i = 0; i < indices.size(); i++) {
x_img.push_back(-cloud->points[i].z/res);
y_img.push_back(-cloud->points[i].x / res);
}
//平移图像数据到点云的最左上角
for (int i = 0; i < indices.size(); i++) {
x_img[i]-=int(floor(side_range[0]/res));
y_img[i] += int(ceil(fwd_range[1] / res));
}
//将厚度信息的值转化为255值，并且填充到对应的img中对应的坐标中
vector<int>pixel_values;
//先筛选符合厚度条件的点云
for (int i = 0; i < indices.size(); i++) {
if (cloud->points[i].y > height_range[0] && cloud->points[i].y < height_range[1])
{
pixel_values.push_back(cloud->points[i].y);
}
}
//将点云的厚度信息经过比例转化成255对应值，赋值到img图像对应的坐标值中
for (int i = 0; i < indices.size(); i++) {
pixel_values[i]=scale_to_255(pixel_values[i], height_range[0], height_range[1]);
}
//创建图像大小，取决于我们所定义的框选矩形和分辨率
int x_max = 1 + int((side_range[1] - side_range[0]) / res);
int y_max = 1 + int((fwd_range[1] - fwd_range[0]) / res);
//利用opencv创建一个Mat类型来存储图像的信息
cv::Mat im = cv::Mat::zeros(x_max, y_max, CV_8U);
//im[x_img, y_img]=pixel_values;
//创建一个循环，遍历x_img或者y_img的点，给Mat类型的图像，对应的x_img，y_img坐标赋值pixel_values值
for (int i = 0; i < x_img.size(); i++) {
im.at<uchar>(x_img[i], y_img[i]) = pixel_values[i];
}
//数据图片打印信息
cout << "图像中x轴最小点坐标值为x_img min:"<< *min_element(x_img.begin(), x_img.end()) << endl;
cout << "图像中x轴最大点坐标值为x_img max:" << *max_element(x_img.begin(), x_img.end()) << endl;
cout << "图像中y轴最小点坐标值为y_img min:" << *min_element(y_img.begin(), y_img.end()) << endl;
cout << "图像中y轴最大点坐标值为y_img max:" << *max_element(y_img.begin(), y_img.end()) << endl;
//可视化
cvNamedWindow("img_result");
cv::imshow("img_result", im);
//取反
cv::Mat im_reverse;
im_reverse = 255 - im;
cvNamedWindow("img_reverse_result");
cv::imshow("img_reverse_result", im_reverse);
cvvWaitKey();
//将图片保存
std::vector<int>param;
param.push_back(CV_IMWRITE_PXM_BINARY);
cv::imwrite("img_reverse_result.bmp", im_reverse, param);
cout << "save img" << endl;
}