使用积分图像的法向量估计（Normal Estimation Using Integral Images）

在本教程中，我们将学习如何使用积分图像计算组织点云的法线。

#代码
首先，用你最喜欢的编辑器创建一个文件，名为normal_estimation_using_integral_images.cpp，并在其中放置以下内容：

    #include <pcl/io/io.h>
    #include <pcl/io/pcd_io.h>
    #include <pcl/features/integral_image_normal.h>
    #include <pcl/visualization/cloud_viewer.h>

    int
    main ()
    {
            // load point cloud
            pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
            pcl::io::loadPCDFile ("table_scene_mug_stereo_textured.pcd", *cloud);

            // estimate normals
            pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>);

            pcl::IntegralImageNormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
            ne.setNormalEstimationMethod (ne.AVERAGE_3D_GRADIENT);
            ne.setMaxDepthChangeFactor(0.02f);
            ne.setNormalSmoothingSize(10.0f);
            ne.setInputCloud(cloud);
            ne.compute(*normals);

            // visualize normals
            pcl::visualization::PCLVisualizer viewer("PCL Viewer");
            viewer.setBackgroundColor (0.0, 0.0, 0.5);
            viewer.addPointCloudNormals<pcl::PointXYZ,pcl::Normal>(cloud, normals);

            while (!viewer.wasStopped ())
            {
              viewer.spinOnce ();
            }
            return 0;
    }

#说明
现在，让我们逐一分解代码。在第一部分中，我们从一个文件中加载一个点云：

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile ("table_scene_mug_stereo_textured.pcd", *cloud);

在第二部分中，我们为法向量估计创建一个对象并计算法线：

// estimate normals
pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>);

pcl::IntegralImageNormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
ne.setNormalEstimationMethod (ne.AVERAGE_3D_GRADIENT);
ne.setMaxDepthChangeFactor(0.02f);
ne.setNormalSmoothingSize(10.0f);
ne.setInputCloud(cloud);
ne.compute(*normals);

以下法向量估计方法可用：

enum NormalEstimationMethod
{
  COVARIANCE_MATRIX,
  AVERAGE_3D_GRADIENT,
  AVERAGE_DEPTH_CHANGE
};

COVARIANCE_MATRIX模式创建9个积分图像，以从其本地邻域的协方差矩阵计算特定点的法线。AVERAGE_3D_GRADIENT模式创建6个积分图像来计算水平和垂直3D梯度的平滑版本，并使用这两个梯度之间的叉积计算法线。AVERAGE_DEPTH_CHANGE模式只创建一个积分图像，并根据平均深度变化计算法线。

在最后一部分，我们将点云和相应的法线进行可视化：

// visualize normals
pcl::visualization::PCLVisualizer viewer("PCL Viewer");
viewer.setBackgroundColor (0.0, 0.0, 0.5);
viewer.addPointCloudNormals<pcl::PointXYZ,pcl::Normal>(cloud, normals);

while (!viewer.wasStopped ())
{
  viewer.spinOnce ();
}

Normal Estimation Using Integral Images