基于pcl库点云拟合椭圆的c++代码

下面是一个基于pcl库点云拟合椭圆的示例代码：

#include <iostream>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/features/normal_3d.h>
#include <pcl/sample_consensus/method_types.h>
#include <pcl/sample_consensus/model_types.h>
#include <pcl/segmentation/sac_segmentation.h>
#include <pcl/filters/extract_indices.h>
#include <pcl/sample_consensus/sac_model_ellipse.h>

int main()
{
    // 创建点云对象
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    // 填充点云数据
    cloud->width = 100;
    cloud->height = 1;
    cloud->points.resize(cloud->width * cloud->height);
    for (size_t i = 0; i < cloud->points.size(); ++i)
    {
        cloud->points[i].x = 1024 * rand() / (RAND_MAX + 1.0f);
        cloud->points[i].y = 1024 * rand() / (RAND_MAX + 1.0f);
        cloud->points[i].z = 1.0;
    }

    // 对点云进行下采样，减少数据量
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::VoxelGrid<pcl::PointXYZ> sor;
    sor.setInputCloud(cloud);
    sor.setLeafSize(0.01, 0.01, 0.01);
    sor.filter(*cloud_filtered);

    // 估计点云法线
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
    pcl::PointCloud<pcl::Normal>::Ptr cloud_normals(new pcl::PointCloud<pcl::Normal>);
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());
    ne.setInputCloud(cloud_filtered);
    ne.setSearchMethod(tree);
    ne.setKSearch(20);
    ne.compute(*cloud_normals);

    // 创建分割对象
    pcl::SACSegmentationFromNormals<pcl::PointXYZ, pcl::Normal> seg;
    pcl::PointIndices::Ptr inliers(new pcl::PointIndices);
    pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients);
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_plane(new pcl::PointCloud<pcl::PointXYZ>);
    seg.setOptimizeCoefficients(true);
    seg.setModelType(pcl::SACMODEL_ELLIPSE3D);
    seg.setMethodType(pcl::SAC_RANSAC);
    seg.setMaxIterations(1000);
    seg.setDistanceThreshold(0.01);
    seg.setInputCloud(cloud_filtered);
    seg.setInputNormals(cloud_normals);
    // 执行分割
    seg.segment(*inliers, *coefficients);

    if (inliers->indices.size() == 0)
    {
        std::cout << "未能从点云中检测到椭圆" << std::endl;
        return -1;
    }

    // 提取分割结果
    pcl::ExtractIndices<pcl::PointXYZ> extract;
    extract.setInputCloud(cloud_filtered);
    extract.setIndices(inliers);
    extract.setNegative(false);
    extract.filter(*cloud_plane);

    std::cout << "椭圆参数：" << std::endl;
    std::cout << "中心点：" << coefficients->values[0] << " " << coefficients->values[1] << " " << coefficients->values[2] << std::endl;
    std::cout << "主轴：" << coefficients->values[3] << " " << coefficients->values[4] << " " << coefficients->values[5] << std::endl;
    std::cout << "次轴：" << coefficients->values[6] << " " << coefficients->values[7] << " " << coefficients->values[8] << std::endl;
    std::cout << "半径1：" << coefficients->values[9] << std::endl;
    std::cout << "半径2：" << coefficients->values[10] << std::endl;

    return 0;
}

这个示例代码首先创建了一个点云对象，并随机生成了一些点云数据。然后使用VoxelGrid对点云进行下采样，减少数据量。接下来使用NormalEstimation估计点云法线，并创建SACSegmentationFromNormals对象进行椭圆拟合。最后输出拟合结果，包括椭圆的中心点、主轴、次轴以及半径大小。

需要注意的是，这个示例代码使用的是SACModelEllipse3D模型进行椭圆拟合，因此需要安装pcl库的1.11版本以上。如果你使用的是旧版本的pcl库，可以尝试使用SACMODEL_ELLIPSE2D模型进行二维椭圆拟合。