介绍

平面的法线是垂直于它的单位向量。点处的表面的法线定义为垂直于与该点处的表面相切的平面的向量。也可以为云的点计算表面法线。
这里没有详细介绍估算方法的数学原理，只需要知道那是使用最近的邻居（最接近于我们计算法线的点）来找出切线平面和法线向量。您可以使用搜索半径（以该点为中心，考虑那个半径的球体；位于其中的所有相邻点）和视点（默认情况下，输出法线将是无方向的）自定义方法。假设所有矢量都必须指向相机-因为否则它们将属于从传感器看不到的表面-它们都可以相应地重新定向。
法线也很重要，因为法线可以在某个点为我们提供有关曲面曲率的信息，这可以为我们带来好处。PCL的许多算法将要求我们提供输入云的法线

代码详情

#include <pcl/io/pcd_io.h>
#include <pcl/features/normal_3d.h>
#include <pcl/features/normal_3d_omp.h>  
#include <boost/thread/thread.hpp>
#include <pcl/visualization/pcl_visualizer.h>
#include <time.h>
#include <pcl/filters/voxel_grid.h>
int
main(int argc, char** argv)
{// Object for storing the point cloud.pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);// Object for storing the normals.pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);clock_t start, end;// Read a PCD file from disk.if (pcl::io::loadPCDFile<pcl::PointXYZ>(argv[1], *cloud) != 0){return -1;}pcl::VoxelGrid<pcl::PointXYZ> grid;const float leaf = 0.005f;grid.setLeafSize (leaf, leaf, leaf);grid.setInputCloud (cloud);grid.filter (*cloud);std::cout<<cloud->points.size()<<std::endl;start = clock();pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normalEstimation;normalEstimation.setInputCloud(cloud);normalEstimation.setRadiusSearch(0.01);normalEstimation.compute(*normals);end = clock();std::cout<<normals->points.size()<<std::endl;std::cout<<"estimate the normals:"<<(end - start)/CLOCKS_PER_SEC<<"s"<<std::endl;start = clock();pcl::NormalEstimationOMP<pcl::PointXYZ, pcl::Normal> normalEstimation1;normalEstimation1.setRadiusSearch(0.01);normalEstimation1.setNumberOfThreads(12);normalEstimation1.setInputCloud(cloud);normalEstimation1.compute(*normals);end = clock();std::cout<<normals->points.size()<<std::endl;std::cout<<"estimate the normalsOPM:"<<(end - start)/CLOCKS_PER_SEC<<"s"<<std::endl;// Visualize them.boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("Normals"));viewer->addPointCloud<pcl::PointXYZ>(cloud, "cloud");// Display one normal out of 20, as a line of length 3cm.viewer->addPointCloudNormals<pcl::PointXYZ, pcl::Normal>(cloud, normals, 20, 0.03, "normals");while (!viewer->wasStopped()){viewer->spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(100000));}
}

对原始点云进行了降采样，这样可以加快法线建立的速度，另外也有使用OMP对建立法线进行了加速。

处理结果

法线也存储在“ PointCloud”对象中，实例化为“ Normal”类型。 如果曾经在从云中提取一些索引，然后再将它们提供给算法，请确保对法线进行相同的处理。 我没有使用“ setViewPoint（）”函数。可以使用“ setKSearch（）”代替“ setRadiusSearch（）”，后者使用整数K。这将考虑点的K最近邻来计算法线。 请注意，这对于不在密集区域中的点可能会产生一些奇怪的结果，因为某些“邻居”离它们太远了。

代码链接

https://github.com/DoubleYuanL/PCL_Tutorial2-2.1_Normal_estimation.git