1. 技术文章
  2. PCL源码剖析之MarchingCubes算法

PCL源码剖析之MarchingCubes算法

由 ﹥＞﹥吖頭↗ 提交于 2020-03-05 06:37:54

MarchingCubes算法简介

MarchingCubes(移动立方体)算法是目前三围数据场等值面生成中最常用的方法。它实际上是一个分而治之的方法，把等值面的抽取分布于每个体素中进行。对于每个被处理的体素，以三角面片逼近其内部的等值面片。每个体素是一个小立方体，构造三角面片的处理过程对每个体素都“扫描”一遍，就好像一个处理器在这些体素上移动一样，由此得名移动立方体算法。

MC算法主要有三步：1.将点云数据转换为体素网格数据；2.使用线性插值对每个体素抽取等值面；3.对等值面进行网格三角化


PCL源码剖析之MarchingCubesHoppe

PCL中使用MarchingCubesHoppe类进行三维重建执行的函数体为performReconstruction()，其代码如下：

  1. template <typename PointNT> void
  2. pcl::MarchingCubes<PointNT>::performReconstruction (pcl::PolygonMesh &output)
  3. {
  4.   if (!(iso_level_ >= 0 && iso_level_ < 1))
  5.   {
  6.     PCL_ERROR ("[pcl::%s::performReconstruction] Invalid iso level %f! Please use a number between 0 and 1.\n", getClassName ().c_str (), iso_level_);
  7.     output.cloud.width = output.cloud.height = 0;
  8.     output.cloud.data.clear ();
  9.     output.polygons.clear ();
  10.     return;
  11.   }
  12.  
  13.   // Create grid
  14.   grid_ = std::vector<float> (res_x_*res_y_*res_z_, 0.0f);
  15.  
  16.   // Populate tree
  17.   tree_->setInputCloud (input_);
  18.  
  19.   getBoundingBox ();
  20.  
  21.   // Transform the point cloud into a voxel grid
  22.   // This needs to be implemented in a child class
  23.   voxelizeData ();
  24.  
  25.  
  26.  
  27.   // Run the actual marching cubes algorithm, store it into a point cloud,
  28.   // and copy the point cloud + connectivity into output
  29.   pcl::PointCloud<PointNT> cloud;
  30.  
  31.   for (int x = 1; x < res_x_-1; ++x)
  32.     for (int y = 1; y < res_y_-1; ++y)
  33.       for (int z = 1; z < res_z_-1; ++z)
  34.       {
  35.         Eigen::Vector3i index_3d (x, y, z);
  36.         std::vector<float> leaf_node;
  37.         getNeighborList1D (leaf_node, index_3d);
  38.         createSurface (leaf_node, index_3d, cloud);
  39.       }
  40.   pcl::toPCLPointCloud2 (cloud, output.cloud);
  41.  
  42.   output.polygons.resize (cloud.size () / 3);
  43.   for (size_t i = 0; i < output.polygons.size (); ++i)
  44.   {
  45.     pcl::Vertices v;
  46.     v.vertices.resize (3);
  47.     for (int j = 0; j < 3; ++j)
  48.       v.vertices[j] = static_cast<int> (i) * 3 + j;
  49.     output.polygons[i] = v;
  50.   }
  51. }
可以看出PCL将会产生res_x_ * res_y_ * res_z_个网格，即为Resolution分辨率。voxelizeData ();即将点云数据转换为体素网格数据，其实现如下： 

  1. template <typename PointNT> void
  2. pcl::MarchingCubesHoppe<PointNT>::voxelizeData ()
  3. {
  4.   for (int x = 0; x < res_x_; ++x)
  5.     for (int y = 0; y < res_y_; ++y)
  6.       for (int z = 0; z < res_z_; ++z)
  7.       {
  8.         std::vector<int> nn_indices;
  9.         std::vector<float> nn_sqr_dists;
  10.  
  11.         Eigen::Vector3f point;
  12.         point[0] = min_p_[0] + (max_p_[0] - min_p_[0]) * float (x) / float (res_x_);
  13.         point[1] = min_p_[1] + (max_p_[1] - min_p_[1]) * float (y) / float (res_y_);
  14.         point[2] = min_p_[2] + (max_p_[2] - min_p_[2]) * float (z) / float (res_z_);
  15.  
  16.         PointNT p;
  17.         p.getVector3fMap () = point;
  18.  
  19.         tree_->nearestKSearch (p, 1, nn_indices, nn_sqr_dists);
  20.  
  21.         grid_[x * res_y_*res_z_ + y * res_z_ + z] = input_->points[nn_indices[0]].getNormalVector3fMap ().dot (
  22.             point - input_->points[nn_indices[0]].getVector3fMap ());
  23.       }
  24. }
该函数对每个体素网格数据进行赋值，其值为一符号距离函数值，其定义为：f(Pi) = (Pi - Oi) * N(Oi), 这里Pi为给定的点，Oi为Pi周围K近邻点集(输入点云的子集)的中心， N(Oi)为点Oi的法向量，中间的*为数量积；求出的值其实是点Oi到过点Pi的有向切平面的距离，图示如下：


点q处的法向量是单位法向量，所以点q到切平面的距离是dot(N(p), vec(p, q))

从代码中可以看出，这里的K = 1，即求出最近邻点。


下面的代码描述了对每个体素网格的处理过程，其主要过程是计算出每个体素网格与等值面的交点，然后按一定顺序将交点连接，从而形成三角面片。

  1.   for (int x = 1; x < res_x_-1; ++x)
  2.     for (int y = 1; y < res_y_-1; ++y)
  3.       for (int z = 1; z < res_z_-1; ++z)
  4.       {
  5.         Eigen::Vector3i index_3d (x, y, z);
  6.         std::vector<float> leaf_node;
  7.         getNeighborList1D (leaf_node, index_3d);
  8.         createSurface (leaf_node, index_3d, cloud);
  9.       }
getNeighorList1D(leaf_node, index_3d);即是求出当前体素网格的8个顶点对应符号距离函数值，即数组grid_中对应的值。实现代码如下：
  1. template <typename PointNT> void
  2. pcl::MarchingCubes<PointNT>::getNeighborList1D (std::vector<float> &leaf,
  3.                                                 Eigen::Vector3i &index3d)
  4. {
  5.   leaf = std::vector<float> (8, 0.0f);
  6.  
  7.   leaf[0] = getGridValue (index3d);
  8.   leaf[1] = getGridValue (index3d + Eigen::Vector3i (1, 0, 0));
  9.   leaf[2] = getGridValue (index3d + Eigen::Vector3i (1, 0, 1));
  10.   leaf[3] = getGridValue (index3d + Eigen::Vector3i (0, 0, 1));
  11.   leaf[4] = getGridValue (index3d + Eigen::Vector3i (0, 1, 0));
  12.   leaf[5] = getGridValue (index3d + Eigen::Vector3i (1, 1, 0));
  13.   leaf[6] = getGridValue (index3d + Eigen::Vector3i (1, 1, 1));
  14.   leaf[7] = getGridValue (index3d + Eigen::Vector3i (0, 1, 1));
  15. }

createSurface (leaf_node, index_3d, cloud);即是求出每个体素网格与等值面的交点，然后按一定顺序将交点连接，从而形成三角面片。下面分片段剖析createSurface ()函数代码。

  1.   int cubeindex = 0;
  2.   Eigen::Vector3f vertex_list[12];
  3.   if (leaf_node[0] < iso_level_) cubeindex |= 1;
  4.   if (leaf_node[1] < iso_level_) cubeindex |= 2;
  5.   if (leaf_node[2] < iso_level_) cubeindex |= 4;
  6.   if (leaf_node[3] < iso_level_) cubeindex |= 8;
  7.   if (leaf_node[4] < iso_level_) cubeindex |= 16;
  8.   if (leaf_node[5] < iso_level_) cubeindex |= 32;
  9.   if (leaf_node[6] < iso_level_) cubeindex |= 64;
  10.   if (leaf_node[7] < iso_level_) cubeindex |= 128;
此段代码是将8个顶点的标量值与等值面相比较，如果标量值小于等值面值(即顶点在等值面下面)，则将cubeindex相应的位置为1。这样就可以知道8个顶点中哪些在等值面下，哪些在等值面之上了。
立方体中顶点与棱边的编号如下所示：


例如，如果顶点3的值在等值面值之下并且所有其他顶点的值都在等值面之上，那么我们可以通过切割边2、3、11来创建一个三角面片。


算法使用一个边表将cubeindex映射为一个12bit的数值，每一位与一条边相关，如果边没有被等值面切割则设为0，切割则设为1。如果没有边被切割那么表返回0，这种情况发生在当cubeindex = 0(所有顶点在等值面之下)或0xff(所有顶点在等值面之上)。举个之前的例子，如果只有顶点3在等值面下面，cubeindex将会等于0000 1000 或8。边表edgeTable定义在marching_cubes.h文件中：

  1.   const unsigned int edgeTable[256] = {
  2.     0x0  , 0x109, 0x203, 0x30a, 0x406, 0x50f, 0x605, 0x70c,
  3.     0x80c, 0x905, 0xa0f, 0xb06, 0xc0a, 0xd03, 0xe09, 0xf00,
  4.     0x190, 0x99 , 0x393, 0x29a, 0x596, 0x49f, 0x795, 0x69c,
  5.     0x99c, 0x895, 0xb9f, 0xa96, 0xd9a, 0xc93, 0xf99, 0xe90,
  6.     0x230, 0x339, 0x33 , 0x13a, 0x636, 0x73f, 0x435, 0x53c,
  7.     0xa3c, 0xb35, 0x83f, 0x936, 0xe3a, 0xf33, 0xc39, 0xd30,
  8.     0x3a0, 0x2a9, 0x1a3, 0xaa , 0x7a6, 0x6af, 0x5a5, 0x4ac,
  9.     0xbac, 0xaa5, 0x9af, 0x8a6, 0xfaa, 0xea3, 0xda9, 0xca0,
  10.     0x460, 0x569, 0x663, 0x76a, 0x66 , 0x16f, 0x265, 0x36c,
  11.     0xc6c, 0xd65, 0xe6f, 0xf66, 0x86a, 0x963, 0xa69, 0xb60,
  12.     0x5f0, 0x4f9, 0x7f3, 0x6fa, 0x1f6, 0xff , 0x3f5, 0x2fc,
  13.     0xdfc, 0xcf5, 0xfff, 0xef6, 0x9fa, 0x8f3, 0xbf9, 0xaf0,
  14.     0x650, 0x759, 0x453, 0x55a, 0x256, 0x35f, 0x55 , 0x15c,
  15.     0xe5c, 0xf55, 0xc5f, 0xd56, 0xa5a, 0xb53, 0x859, 0x950,
  16.     0x7c0, 0x6c9, 0x5c3, 0x4ca, 0x3c6, 0x2cf, 0x1c5, 0xcc ,
  17.     0xfcc, 0xec5, 0xdcf, 0xcc6, 0xbca, 0xac3, 0x9c9, 0x8c0,
  18.     0x8c0, 0x9c9, 0xac3, 0xbca, 0xcc6, 0xdcf, 0xec5, 0xfcc,
  19.     0xcc , 0x1c5, 0x2cf, 0x3c6, 0x4ca, 0x5c3, 0x6c9, 0x7c0,
  20.     0x950, 0x859, 0xb53, 0xa5a, 0xd56, 0xc5f, 0xf55, 0xe5c,
  21.     0x15c, 0x55 , 0x35f, 0x256, 0x55a, 0x453, 0x759, 0x650,
  22.     0xaf0, 0xbf9, 0x8f3, 0x9fa, 0xef6, 0xfff, 0xcf5, 0xdfc,
  23.     0x2fc, 0x3f5, 0xff , 0x1f6, 0x6fa, 0x7f3, 0x4f9, 0x5f0,
  24.     0xb60, 0xa69, 0x963, 0x86a, 0xf66, 0xe6f, 0xd65, 0xc6c,
  25.     0x36c, 0x265, 0x16f, 0x66 , 0x76a, 0x663, 0x569, 0x460,
  26.     0xca0, 0xda9, 0xea3, 0xfaa, 0x8a6, 0x9af, 0xaa5, 0xbac,
  27.     0x4ac, 0x5a5, 0x6af, 0x7a6, 0xaa , 0x1a3, 0x2a9, 0x3a0,
  28.     0xd30, 0xc39, 0xf33, 0xe3a, 0x936, 0x83f, 0xb35, 0xa3c,
  29.     0x53c, 0x435, 0x73f, 0x636, 0x13a, 0x33 , 0x339, 0x230,
  30.     0xe90, 0xf99, 0xc93, 0xd9a, 0xa96, 0xb9f, 0x895, 0x99c,
  31.     0x69c, 0x795, 0x49f, 0x596, 0x29a, 0x393, 0x99 , 0x190,
  32.     0xf00, 0xe09, 0xd03, 0xc0a, 0xb06, 0xa0f, 0x905, 0x80c,
  33.     0x70c, 0x605, 0x50f, 0x406, 0x30a, 0x203, 0x109, 0x0
  34.   };

edgeTable[8] = 0x80c = 1000 0000 1100。这就表示边2、3、11与等值面相交。
判断出边与等值面相交之后，就要确定具体的交点。这里PCL使用线性插值，线性插值具体见线性插值。代码如下：

  1.   // Find the vertices where the surface intersects the cube
  2.   if (edgeTable[cubeindex] & 1)
  3.     interpolateEdge (p[0], p[1], leaf_node[0], leaf_node[1], vertex_list[0]);
  4.   if (edgeTable[cubeindex] & 2)
  5.     interpolateEdge (p[1], p[2], leaf_node[1], leaf_node[2], vertex_list[1]);
  6.   if (edgeTable[cubeindex] & 4)
  7.     interpolateEdge (p[2], p[3], leaf_node[2], leaf_node[3], vertex_list[2]);
  8.   if (edgeTable[cubeindex] & 8)
  9.     interpolateEdge (p[3], p[0], leaf_node[3], leaf_node[0], vertex_list[3]);
  10.   if (edgeTable[cubeindex] & 16)
  11.     interpolateEdge (p[4], p[5], leaf_node[4], leaf_node[5], vertex_list[4]);
  12.   if (edgeTable[cubeindex] & 32)
  13.     interpolateEdge (p[5], p[6], leaf_node[5], leaf_node[6], vertex_list[5]);
  14.   if (edgeTable[cubeindex] & 64)
  15.     interpolateEdge (p[6], p[7], leaf_node[6], leaf_node[7], vertex_list[6]);
  16.   if (edgeTable[cubeindex] & 128)
  17.     interpolateEdge (p[7], p[4], leaf_node[7], leaf_node[4], vertex_list[7]);
  18.   if (edgeTable[cubeindex] & 256)
  19.     interpolateEdge (p[0], p[4], leaf_node[0], leaf_node[4], vertex_list[8]);
  20.   if (edgeTable[cubeindex] & 512)
  21.     interpolateEdge (p[1], p[5], leaf_node[1], leaf_node[5], vertex_list[9]);
  22.   if (edgeTable[cubeindex] & 1024)
  23.     interpolateEdge (p[2], p[6], leaf_node[2], leaf_node[6], vertex_list[10]);
  24.   if (edgeTable[cubeindex] & 2048)
  25.     interpolateEdge (p[3], p[7], leaf_node[3], leaf_node[7], vertex_list[11]);


文章参考于：http://www.doc88.com/p-5475997688638.html

                        http://paulbourke.net/geometry/polygonise/

                         http://books.google.com.hk/books?id=4k4kvDwP-lgC&printsec=frontcover&hl=zh-CN#v=onepage&q&f=false

标签
pcl
源码
易学教程内所有资源均来自网络或用户发布的内容，如有违反法律规定的内容欢迎反馈！
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!