法线

小技巧

我们的网络研讨会 Getting your point cloud ready for your application （为您的应用准备好点云）部分涵盖了法线的相关内容。

介绍 

本文介绍了表面法线，如何在Zivid SDK中通过点云计算它们，以及为什么法线是一项有价值的功能。最后，文章还提供了一个带有代码示例的教程。

表面法线是几何曲面的一个重要属性。它表示了垂直于点云中特定点平面的切面的单位向量。由于它是一个向量，因此表面法线包含了三个用于描述3D坐标向量元素（x、y、z），每个元素的范围为-1至1。平面的所有表面法线都是平行的，而球体的表面法线指向所有可能的方向。

法线描述了表面的方向，而法线的变化率描述了表面的曲率。

Zivid Studio 中的法线图 

法线图提供了场景表面法线的 2D 表示，其中 RGB 颜色分量描述法线向量。下图中的箱壁和底板很好地显示了法线图中法线向量与颜色分量之间的关系。这是因为每个表面上的所有点的法线向量都或多或少指向同一方向。

法线图的颜色约定与相机坐标系负对齐。因此，蓝色像素表示的法线向量垂直指向相机。查看法线图，可以在箱底上看到蓝色像素。这些法线指向相机坐标系 Z 轴的负方向。左下角的状态栏接近 [0, 0, -1]。

此外，右侧箱壁以红色像素为主。这些法线与相机坐标系的 X 轴负对齐。这意味着表面的法线向量在场景中指向左侧。同样，底部箱壁被涂成绿色，因为法线在场景中指向上方。因此，状态栏将分别读取接近 [-1, 0, 0]（红色像素）和 [0, -1, 0]（绿色像素）。

因此，法线图对于查看点云中的平面非常有用。法线贴图还有助于检查表面曲率、表面纹理和物体之间的过渡，因为颜色渐变可以很好地描述这些。

法线API 

C++

std::cout << "Computing normals and copying them to CPU memory" << std::endl;
const auto normals = pointCloud.copyData<Zivid::NormalXYZ>();

C＃

Console.WriteLine("Computing normals and copying them to CPU memory");
var normals = pointCloud.CopyNormalsXYZ();

Python

print("Computing normals and copying them to CPU memory")
normals = point_cloud.copy_data("normals")

法线API将计算点云中每个点的法线，并将法线从GPU内存复制到CPU内存。其结果是一个法向量矩阵，每条法线对应输入点云的每个点。法线的大小和输入点云的大小相等。

备注

Zivid SDK中法线API的处理速度非常快，因为其计算是在GPU中并行完成的，而此时点云数据仍在GPU内存中。使用第三方库计算法线可能更耗时：因为CPU计算通常要慢得多，而GPU计算则需要多出一次数据复制过程。查看点云捕获过程了解更多信息。

If you already have a buffer, then you can copy data directly from GPU memory to your destination buffer using copyData with the template parameter NormalXYZ.

小技巧

使用Zivid SDK中的法线，下采样和转换API可以获得更好的表现，因为GPU执行所有这些计算时，点云数据仍在GPU内存中时。
为了获得最好的性能，您可以先对点云进行下采样，然后计算法线。
当请求复制法线时，法线将在点云上进行计算。您可以在转换点云后计算法线，使得法线与点云在同一坐标系中。
转换法线需要先转换点云，然后从转换后的点云计算法线。不能只变换法线。

应用中的法线 

Different applications for various reasons require computing normals from the point cloud.

使用法线的应用包括基于CAD和基于表面的匹配、边缘检测和基于法线差异的分割算法。网格算法和过滤算法也可以通过法线来移除点云伪像或异常值。例如，几乎垂直于从相机原点到某个点的线的法线可以被判断为伪像并被过滤掉。

使用PCL计算法线并可视化 

本教程展示了如何从Zivid点云计算法线，将点云和法线转换为PCL格式，并在3D中将它们可视化为法线贴图。

首先，我们连接到相机并捕获点云。

C++

std::cout << "Connecting to camera" << std::endl;
auto camera = zivid.connectCamera();

std::cout << "Creating settings" << std::endl;
Zivid::Settings settings = Zivid::Settings{
    Zivid::Settings::Acquisitions{ Zivid::Settings::Acquisition{ Zivid::Settings::Acquisition{} } },
    Zivid::Settings::Color{
        Zivid::Settings2D{ Zivid::Settings2D::Acquisitions{ Zivid::Settings2D::Acquisition{} } } }
};

std::cout << "Capturing frame" << std::endl;
const auto frame = camera.capture2D3D(settings);
const auto pointCloud = frame.pointCloud();

然后计算点云的法线。

C++

std::cout << "Computing point cloud normals" << std::endl;
const auto normals = pointCloud.copyData<Zivid::NormalXYZ>();

我们再将点云和法线转换为PCL格式。

C++

std::cout << "Creating PCL point cloud structure" << std::endl;
const auto data = pointCloud.copyData<Zivid::PointXYZColorRGBA_SRGB>();
const auto pointCloudPCL = convertToPCLPointCloud(data);
std::cout << "Creating PCL normals structure suited for visualization" << std::endl;
const auto pointCloudWithNormalsPCL = convertToPCLVisualizationNormals(data, normals);

最后，我们在3D中可视化点云和法线。

C++

std::cout << "Visualizing normals" << std::endl;
visualizePointCloudAndNormalsPCL(pointCloudPCL.makeShared(), pointCloudWithNormalsPCL.makeShared());

版本历史 

SDK	变更
2.15.0	输出的法线进行了改善，边缘更加清晰、更加接近实际效果。
2.8.0	Zivid Studio新增了法线图显示功能。
2.5.0	添加了法线API。

法线

介绍

Zivid Studio 中的法线图

法线API

应用中的法线

使用PCL计算法线并可视化

版本历史