如何计算点云中点的平均距离答案

【问题标题】：how to calculate mean distance of points in point cloud如何计算点云中点的平均距离
【发布时间】：2016-10-23 23:05:37
【问题描述】：

我试图在 PointCloudLibrary 的帮助下找到点云的法线，下面是我正在使用的代码

        pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;

        ne.setInputCloud (test1.cloud);

        pcl::search::KdTree<pcl::PointXYZ>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZ> ());

        ne.setSearchMethod (tree);

        ne.setKSearch (150);

        ne.setRadiusSearch (1.5);

        ne.compute (*Normalcloud);

我同时使用 KDsearch 和 Spherical Searching 方法，但我必须手动决定或在它们之间切换，还必须手动输入搜索和/或相邻点的数量。

为了避免所有这些麻烦，我正在考虑使用点云的平均点距离来做所有这些事情像这样的

ne.setKSearch (0.8*Avg_point_Distance);

ne.setRadiusSearch (1.5*Avg_point_Distance);

但我不知道如何获得整个点云的平均距离？

注意：如果有人可以以更易于理解的方式编辑问题，我不会介意:)

【问题讨论】：

问题到底是什么？
@Dexter “我正在考虑使用点云的平均点距离来做所有这些事情......”那部分......编辑了帖子。
@Dexter 现在解决了。

标签： 3d computer-vision point-cloud-library

【解决方案1】：

我浏览了 PCL 文档并找到了 Kd Search 方法，从中我只是计算了最近的相邻点并累积了所有距离并将其除以点云中存在的点数。

该方法的代码sn-p如下：

    totalcount = inputCloud->width * inputCloud->height ;

    EuclidianDistance = new float [totalcount];

    kdtree.setInputCloud (inputCloud);

    int K = 2; //first will be the distance with point it self and second will the nearest point that's why "2"

    std::vector<int> pointIdxNKNSearch(K);
    std::vector<float> pointNKNSquaredDistance(K);

    for (int i = 0; i < totalcount; ++i)
    {
        std::cout << "\nK nearest neighbor search at (" << inputCloud->points[i].x 
            << " " << inputCloud->points[i].y 
            << " " << inputCloud->points[i].z
            << ") with K=" << K << std::endl;

        if ( kdtree.nearestKSearch (inputCloud->points[i], K, pointIdxNKNSearch, pointNKNSquaredDistance) > 0 )
            {
                for (size_t j = 0; j < pointIdxNKNSearch.size (); ++j)
                {
                   //saving all the distance in Vector
                    EuclidianDistance[i] =  pointNKNSquaredDistance[j];

                }
            }
        }

    for(int i = 0; i < totalcount; i++)
    {
        //accumulating all distances
        totalDistance = totalDistance + EuclidianDistance[i];
    }

    //calculating the mean distance
    meanDistance = totalDistance/totalcount;

    //freeing the allocated memory      
    delete  [] EuclidianDistance;

【讨论】：