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。
