激光相機數據融合（4）--KITTI數據集中matlab接口說明及擴展

KITTI數據集接口已經提供了matlab接口，本篇將說明詳細說明其應用並與PCL進行對接。PCL爲C++點雲處理語言庫，詳情可見：http://pointclouds.org/

程序能夠從官網下載，也能夠從個人github上下載https://github.com/ZouCheng321/fusion_kitti，爲運行本代碼，必須先編譯make.m文件。

關於激光相機的demo爲 run_demoVelodyne.m

本例以讀取 2011_09_26_drive_0005_sync場景，讀取第一幀，爲例

首先設置讀取路徑和基本信息

if nargin<1
  base_dir = './data/2011_09_26_drive_0005_sync';%場景路徑
end
if nargin<2
  calib_dir = './data/2011_09_26';%標定文件路徑
end
cam       = 2; % 第二個相機
frame     = 0; % 幀數

讀取標定文件：

% load calibration
calib = loadCalibrationCamToCam(fullfile(calib_dir,'calib_cam_to_cam.txt'));
Tr_velo_to_cam = loadCalibrationRigid(fullfile(calib_dir,'calib_velo_to_cam.txt'));

% compute projection matrix velodyne->image plane
R_cam_to_rect = eye(4);
R_cam_to_rect(1:3,1:3) = calib.R_rect{1};
P_velo_to_img = calib.P_rect{cam+1}*R_cam_to_rect*Tr_velo_to_cam; %內外參數

其中P_velo_to_img 爲上文所釋的投影矩陣：KRT_c^l。 Tr_velo_to_cam 爲RT_c^l矩陣，R_cam_to_rect爲相機畸變矯正矩陣，calib.P_rect{cam+1}爲相機內參。

接下來讀取圖像和激光數據，並刪除在相機平面後面的激光點：

% load and display image
img = imread(sprintf('%s/image_%02d/data/%010d.png',base_dir,cam,frame));
fig = figure('Position',[20 100 size(img,2) size(img,1)]); axes('Position',[0 0 1 1]);
imshow(img); hold on;

% load velodyne points
fid = fopen(sprintf('%s/velodyne_points/data/%010d.bin',base_dir,frame),'rb');
velo = fread(fid,[4 inf],'single')';
velo = velo(1:5:end,:); % remove every 5th point for display speed
fclose(fid);

% remove all points behind image plane (approximation
idx = velo(:,1)<5;
velo(idx,:) = [];

最後就是投影過程：

velo_img = project(velo(:,1:3),P_velo_to_img);

在圖像上顯示，距離用顏色表示：

cols = jet;
for i=1:size(velo_img,1)
  col_idx = round(64*5/velo(i,1));
  plot(velo_img(i,1),velo_img(i,2),'o','LineWidth',4,'MarkerSize',1,'Color',cols(col_idx,:));
end

下面我將爲你們說明獲取保存爲彩色點雲，爲後續算法作準備。

首先去除投影到圖像外界的點：

X_plane=round(velo_img(:,2));
Y_plane=round(velo_img(:,1));
cloud=velo(:,1:3);
indice=find(X_plane>size(img,1));
X_plane(indice)=[];
Y_plane(indice)=[];
cloud(indice,:)=[];
indice=find(X_plane<1);
X_plane(indice)=[];
Y_plane(indice)=[];
cloud(indice,:)=[];
indice=find(Y_plane>size(img,2));
X_plane(indice)=[];
Y_plane(indice)=[];
cloud(indice,:)=[];
indice=find(Y_plane<1);
X_plane(indice)=[];
Y_plane(indice)=[];
cloud(indice,:)=[];

而後獲取圖像每一個點的RGB值：

R=img(:,:,1);
G=img(:,:,2);
B=img(:,:,3);

induv=sub2ind(size(R),X_plane,Y_plane);

cloud(:,4)=double(R(induv))/255+1;
cloud(:,5)=double(G(induv))/255+1;
cloud(:,6)=double(B(induv))/255+1;

 

最後將點雲保存爲pcd格式，藉助了外部文件savepcd.m:

savepcd('color_cloud.pcd',cloud');

接下開用pcl庫顯示點雲，請確保電腦已經安裝pcl：

cd view
mkdir build
cd build
cmake ..
make
./cloud_viewer ../../color_cloud.pcd

能夠看見融合後的彩色點雲：

 

至於如何利用因此幀創建地圖將在後面的博客中介紹。