彩色图像

深度图像

 点云图

从2D到3D（数学部分）

• 上面两个图像给出了机器人外部世界的一个局部的信息.
• 假设这个世界由一个点云来描述：X={x1,…,xn}.其中每一个点,有r,g,b,x,y,z一共6个分量，表示它们颜色与空间位置。 颜色方面，主要由彩色图像记录； 而空间位置，可以由图像和相机模型、姿态一起计算出来。
• 对于常规相机，SLAM里使用针孔相机模型:

• 

简而言之，一个空间点[x,y,z]和它在图像中的像素坐标[u,v,d] (d指深度数据) 的对应关系是这样的：

 这个公式是从(x,y,z)推到(u,v,d)的。反之，我们也可以把它写成已知(u,v,d)，推导(x,y,z)的方式.公式如下：

根据这个公式就可以构建点云

如果相机发生了位移和旋转，那么只要对这些点进行位移和旋转操作即可

从2D到3D （编程部分）

• 代码根目录/src/ 文件夹中新建一个generatePointCloud.cpp文件

  touch src/generatePointCloud.cpp

  内容如下：

• // C++ 标准库
  #include <iostream>
  #include <string>
  using namespace std;// OpenCV 库
  #include <opencv2/core/core.hpp>
  #include <opencv2/highgui/highgui.hpp>// PCL 库
  #include <pcl/io/pcd_io.h>
  #include <pcl/point_types.h>// 定义点云类型
  typedef pcl::PointXYZRGBA PointT;
  typedef pcl::PointCloud<PointT> PointCloud; // 相机内参
  const double camera_factor = 1000;
  const double camera_cx = 325.5;
  const double camera_cy = 253.5;
  const double camera_fx = 518.0;
  const double camera_fy = 519.0;// 主函数 
  int main( int argc, char** argv )
  {// 读取../data/rgb.png和../data/depth.png，并转化为点云// 图像矩阵cv::Mat rgb, depth;// 使用cv::imread()来读取图像// API: http://docs.opencv.org/modules/highgui/doc/reading_and_writing_images_and_video.html?highlight=imread#cv2.imreadrgb = cv::imread( "../data/rgb.png" );// rgb 图像是8UC3的彩色图像// depth 是16UC1的单通道图像，注意flags设置-1,表示读取原始数据不做任何修改depth = cv::imread( "../data/depth.png", -1 );// 点云变量// 使用智能指针，创建一个空点云。这种指针用完会自动释放。PointCloud::Ptr cloud ( new PointCloud );// 遍历深度图for (int m = 0; m < depth.rows; m++)for (int n=0; n < depth.cols; n++){// 获取深度图中(m,n)处的值ushort d = depth.ptr<ushort>(m)[n];// d 可能没有值，若如此，跳过此点if (d == 0)continue;// d 存在值，则向点云增加一个点PointT p;// 计算这个点的空间坐标p.z = double(d) / camera_factor;p.x = (n - camera_cx) * p.z / camera_fx;p.y = (m - camera_cy) * p.z / camera_fy;// 从rgb图像中获取它的颜色// rgb是三通道的BGR格式图，所以按下面的顺序获取颜色p.b = rgb.ptr<uchar>(m)[n*3];p.g = rgb.ptr<uchar>(m)[n*3+1];p.r = rgb.ptr<uchar>(m)[n*3+2];// 把p加入到点云中cloud->points.push_back( p );}// 设置并保存点云cloud->height = 1;cloud->width = cloud->points.size();cout<<"point cloud size = "<<cloud->points.size()<<endl;cloud->is_dense = false;pcl::io::savePCDFile( "../data/pointcloud.pcd", *cloud );// 清除数据并退出cloud->points.clear();cout<<"Point cloud saved."<<endl;return 0;
  }

  程序运行需要数据。请把上面的那两个图存放在工程根目录/data下。

• OpenCV的imread函数读取图片。在OpenCV2里，图像是以矩阵(cv::MAt)作为基本的数据结构。
• Mat结构既可以帮你管理内存、像素信息，还支持一些常见的矩阵运算，是非常方便的结构。
• 彩色图像含有R,G,B三个通道，每个通道占8个bit（也就是unsigned char），故称为8UC3（8位unsigend char, 3通道）结构。
• 而深度图则是单通道的图像，每个像素由16个bit组成（也就是C++里的unsigned short），像素的值代表该点离传感器的距离。通常1000的值代表1米，所以我们把camera_factor设置成1000. 这样，深度图里每个像素点的读数除以1000，就是它离你的真实距离了
• 我们按照“先列后行”的顺序，遍历了整张深度图。在这个双重循环中：

for (int m = 0; m < depth.rows; m++)for (int n=0; n < depth.cols; n++)

• m指图像的行，n是图像的列。它和空间点的坐标系关系是这样的：
• 深度图第m行，第n行的数据可以使用depth.ptr(m) [n]来获取。其中，cv::Mat的ptr函数会返回指向该图像第m行数据的头指针。然后加上位移n后，这个指针指向的数据就是我们需要读取的数据啦
• 编译并运行
• 最后，我们在src/CMakeLists.txt里加入几行代码，告诉编译器我们希望编译这个程序。请在此文件中加入以下几行：

• # 增加PCL库的依赖
  FIND_PACKAGE( PCL REQUIRED COMPONENTS common io )# 增加opencv的依赖
  FIND_PACKAGE( OpenCV REQUIRED )# 添加头文件和库文件
  ADD_DEFINITIONS( ${PCL_DEFINITIONS} )
  INCLUDE_DIRECTORIES( ${PCL_INCLUDE_DIRS}  )
  LINK_LIBRARIES( ${PCL_LIBRARY_DIRS} )ADD_EXECUTABLE( generate_pointcloud src/generatePointCloud.cpp )
  TARGET_LINK_LIBRARIES( generate_pointcloud ${OpenCV_LIBS} ${PCL_LIBRARIES} )

• 计算三维点坐标的公式我们已经给出过了，代码里原封不动地实现了一遍。我们根据这个公式，新增了一个空间点，并放入了点云中。最后，把整个点云存储为 ./data/pointcloud.pcd 文件

• cd build
  cmake ..
  make
  cd ..

  如果编译通过，就可在build目录下找到新写的二进制：generate_pointcloud 运行它：

• ./generate_pointcloud

• 即可在data目录下生成点云文件。
• 现在，你肯定希望查看一下新生成的点云了。如果已经安装了pcl，就可以通过：

pcl_viewer pointcloud.pcd

• 提示：

如果你打开点云，只看到红绿蓝三个方块，请按R重置视角。刚才你是站在原点盯着坐标轴看呢。
如果点云没有颜色，请按5显示颜色。
cmake过程可能有PCL的警告，如果你编译成功了，无视它即可。这是程序员的本能。