.dat文件三维点云可视化

  • Post author:
  • Post category:其他



我们做点云重建,很多情况下激光扫描仪回传的点云数据是保存为.txt或者.dat的,而并非PCL所支持的PCD格式,这个时候就需要我们自行写代码进行读取

.dat文件读取

我们的点云数据文件如下所示,为二进制.dat文件,其中每一行是二维扫描仪线扫的数据,这么多行是因为云台转动得到的三维扫描数据。其中每一行的前52个字节是一些校验码等无效数据,我们需要自己写代码进行读取。

这里写图片描述

C++读取.dat文件没什么难度,重点是有个技巧需要知道,就是这个数据每4个字节是一个int型数据代表了点距离扫描仪的距离,因此我读取的时候必须每次读取4字节的16进制数存入一个int型变量。采用的方法如下:

int dst_temp;
for (int m = 0; m < 4; m++)
{
    char *p = (char *)&dst_temp;
    dataFile.read(p + 3 - m, sizeof(char));
}

思路就是,对一个int变量进行取址,将其地址强制转成char*,那么,这个指针char* p指向的就是int的首地址,我们每次读取一位,读四次刚好存满这个int。由于int存储的时候是先低位后高位,因此我们需要将先读的放到后面,后读的放到前面。上程序就是完成这个读取。

完整代码如下:

#include <pcl/visualization/cloud_viewer.h>
#include <iostream>
#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>
#include <fstream>
#include <queue>
#include <sstream>
#include <stack>
#include <string>
#include <math.h>


using namespace std;
int user_data;

int main()
{
    ifstream dataFile;
    pcl::PointCloud<pcl::PointXYZ>::Ptr pointcloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PointXYZ point_temp;       //上一点
    pcl::PointXYZ point_3D;         //当前点
    int dstOri, plsOri;             //原始距离值和反射率
    double pls, dst;                //处理后距离值和反射率

    dataFile.open("201715172734.dat",ios::binary); //以二进制形式打开文件
    if (dataFile)
    {
        for (int i = 0; i < 600; i++)        //600行数据
        { 
            dataFile.seekg(52 + i * 8056);   //不读无效数据
            for (int j = 0; j < 1000; j++)   //每行1000个点
            {
                int dst_temp = 0;            //距离
                int pls_temp=0;              //反射率
                float theta, alpha;          //坐标变换的角度

                for (int m = 0; m < 4; m++)       //读取距离
                {
                    char *p = (char *)&dst_temp;
                    dataFile.read(p + 3 - m, sizeof(char));
                }
                for (int m = 0; m < 4; m++)       //读取反射率
                {
                    char *p = (char *)&pls_temp;
                    dataFile.read(p + 3 - m, sizeof(char));
                }
                dstOri = dst_temp;
                plsOri = pls_temp;

                if (dstOri == -2147483648 || dstOri == 2147483647)
                    point_3D = point_temp;
                else
                {
                    dst = dstOri / 10000.0;      //进行坐标变换
                    theta = (500 * M_PI - j*M_PI) / 1998;
                    alpha = -0.3 + i*0.001;
                    point_3D.x = dst*sin(theta);
                    point_3D.y = dst*cos(theta)*sin(alpha);
                    point_3D.z = -dst*cos(theta)*cos(alpha);
                }
                point_temp = point_3D;
                pointcloud->push_back(point_3D);//将点存入pointcloud
            }
        }
        cout << pointcloud->size() << endl;
        pcl::visualization::CloudViewer viewer("Cloud Viewer");//点云可视化

        //blocks until the cloud is actually rendered
        viewer.showCloud(pointcloud);
        while (!viewer.wasStopped())
        {
            //you can also do cool processing here
            //FIXME: Note that this is running in a separate thread from viewerPsycho
            //and you should guard against race conditions yourself...
            user_data++;
        }
    }

    else
    {
        cout << "No datafile";
    }
    dataFile.close();
    return 0;
}

效果如下:
这里写图片描述

重建效果:

这里写图片描述



版权声明:本文为u011197534原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。