VS+ QT（一）使用CGAL实现点云分类_Lin_Y_C的博客

2、附加包含库文件目录

$(CGAL)\auxiliary\gmp\lib;
3、附加包含库文件
 
libmpfr-4.lib;libgmp-10.lib;
4、头文件
 
#include <CGAL/Simple_cartesian.h>
#include <CGAL/Classification.h> //分类
#include <CGAL/bounding_box.h> //生成包含点云的矩形（平行于坐标轴）
#include <CGAL/tags.h>
#include <CGAL/IO/read_points.h> //读写ply文件
#include <CGAL/IO/write_ply_points.h>
#include <CGAL/Real_timer.h>//用于计算运行时间
#include <lasreader.hpp>
#include <laswriter.hpp> //LASTools读取文件
#include <cstdlib>
#include <fstream>
#include <iostream>
#include <string>
1、类名定义
 
typedef CGAL::Parallel_if_available_tag Concurrency_tag;
typedef CGAL::Simple_cartesian<double> Kernel;
typedef Kernel::Iso_cuboid_3 Iso_cuboid_3;
typedef Kernel::Point_3 Point;
typedef std::vector<Point> Point_range;
typedef CGAL::Identity_property_map<Point> Pmap; //将 property map 映射到自身的属性映射（通过引用）
namespace Classification = CGAL::Classification;
typedef Classification::Sum_of_weighted_features_classifier Classifier;
typedef Classification::Planimetric_grid<Kernel, Point_range, Pmap>             Planimetric_grid;
typedef Classification::Point_set_neighborhood<Kernel, Point_range, Pmap>       Neighborhood;
typedef Classification::Local_eigen_analysis                                    Local_eigen_analysis;
typedef Classification::Label_handle                                            Label_handle;
typedef Classification::Feature_handle                                          Feature_handle;
typedef Classification::Label_set                                               Label_set;
typedef Classification::Feature_set                                             Feature_set;
typedef Classification::Feature::Distance_to_plane<Point_range, Pmap>           Distance_to_plane;
typedef Classification::Feature::Elevation<Kernel, Point_range, Pmap>           Elevation;
typedef Classification::Feature::Vertical_dispersion<Kernel, Point_range, Pmap> Dispersion;
 重新定义类名，减少后续的代码量 
2、点云读取
 
//点云读取
LASreadOpener lasreadopener;
cout << "read File " << Path << endl;
lasreadopener.set_file_name(Path.c_str());
LASreader* lasreader = lasreadopener.open();
//打印头文件信息
// 初始化 header
LASheader lasHeader = lasreader->header;
//声明存储点云XYZ变量
vector<Point> pts;
//转换点云到容器
while (lasreader->read_point())
    LASpoint& p = lasreader->point;
    pts.push_back(Point(p.get_x(), p.get_y(), p.get_z()));
 读取las点云并使用其xyz三个位置坐标赋值给CGAL的点云数组 
2、点云预处理
 
float grid_resolution = 0.34f; //平面网格分辨率
unsigned int number_of_neighbors = 6; //邻域核心数
cout << "Computing " << pts.size() << " Point useful structures" << endl;
Iso_cuboid_3 bbox = CGAL::bounding_box(pts.begin(), pts.end());//计算点的轴对齐边界框
Planimetric_grid grid(pts, Pmap(), bbox, grid_resolution); //基于输入范围构造平面格网
Neighborhood neighborhood(pts, Pmap()); //计算输入点集的空间搜索结构，并允许以索引集的形式访问点的局部邻域。
                                        //它允许用户基于固定范围邻域或固定 K 个相邻域生成模型
// k_neighbor_query 构造 K 邻域查询对象
//预计算并存储使用局部邻域集的点集的所有点的协方差矩阵的特征向量和特征值
Local_eigen_analysis eigen = Local_eigen_analysis::create_from_point_set(pts, Pmap(), neighborhood.k_neighbor_query(number_of_neighbors));
3、添加特征类型计算
 
    float radius_neighbors = 1.7f;//局部领域的半径范围
    float radius_dtm = 15.0f; //用于数字地形建模的半径(应大于最大建筑物的宽度和长度)
    cout << "Computing features" << endl;
    Feature_set features;
    features.begin_parallel_additions();//初始化结构以并行计算feature
    //具有非平面性水平有助于识别输入的嘈杂部分，例如植被。此功能计算点到局部拟合平面的距离。
    Feature_handle distance_to_plane = features.add<Distance_to_plane>(pts, Pmap(), eigen);//基于与拟合平面的局部距离的feature
    Feature_handle dispersion = features.add<Dispersion>(pts, Pmap(), grid, radius_neighbors);//基于点的局部分散的feature
    Feature_handle elevation = features.add<Elevation>(pts, Pmap(), grid, radius_dtm);//基于本地高度的feature
    features.end_parallel_additions(); //等待并行特征计算结束，然后清除专用数据结构。
4、添加标签名
 
Label_set labels;
//初始化标签名
Label_handle ground = labels.add("ground");//名
Label_handle vegetation = labels.add("vegetation", CGAL::IO::Color(0, 255, 0));//名，颜色
Label_handle roof = labels.add("roof", CGAL::IO::Color(255, 0, 0), 6);//名，颜色，标准索引（这里是ASPRS建筑索引）
5、初始化分类变量
 
 Classifier classifier(labels, features);
6、设置权重
 
//设置权重和影响程度
cout << "Setting weights" << endl;
classifier.set_weight(distance_to_plane, 6.75e-2f);
classifier.set_weight(dispersion, 5.45e-1f);
classifier.set_weight(elevation, 1.47e1f);
cout << "Setting effects" << endl;
classifier.set_effect(ground, distance_to_plane, Classifier::NEUTRAL);
classifier.set_effect(ground, dispersion, Classifier::NEUTRAL);
classifier.set_effect(ground, elevation, Classifier::PENALIZING);
classifier.set_effect(vegetation, distance_to_plane, Classifier::FAVORING);
classifier.set_effect(vegetation, dispersion, Classifier::FAVORING);
classifier.set_effect(vegetation, elevation, Classifier::NEUTRAL);
classifier.set_effect(roof, distance_to_plane, Classifier::NEUTRAL);
classifier.set_effect(roof, dispersion, Classifier::NEUTRAL);
classifier.set_effect(roof, elevation, Classifier::FAVORING);
7、计算并分类
 
    // 开始计算
    cout << "Classifying" << endl;
    vector<int> label_indices(pts.size(), -1);//标签索引数组
    CGAL::Real_timer t;
    t.start();//计算类型1
    //运行分类算法，而不进行任何正则化。
    //项目之间没有关系，分类能量只是逐项最小化。这种方法很快，但产生的结果是次优的。
    Classification::classify<CGAL::Parallel_if_available_tag>(pts, labels, classifier, label_indices);
    t.stop();
    cout << "Raw classification performed in " << t.time() << " second(s)" << endl;
    t.reset();
    t.start();//计算类型2
    //运行具有局部平滑的分类算法。
    //计算的分类能量在用户定义的项目局部邻域上进行平滑处理。这种方法是效率和更高质量的结果之间的折中。
    Classification::classify_with_local_smoothing<CGAL::Parallel_if_available_tag>
        (pts, Pmap(), labels, classifier, neighborhood.sphere_neighbor_query(radius_neighbors), label_indices);
    t.stop();
    cout << "Classification with local smoothing performed in " << t.time() << " second(s)" << endl;
    t.reset();
    t.start();//计算类型3
    //运行基于图形剪切的全局正则化的分类算法。
    //计算出的分类能量通过 alpha 展开算法进行全局正则化。此方法很慢，但为用户提供了高质量的结果。
    //为了加快计算速度，可以将输入域细分为较小的子集，以便应用几个较小的图形切割而不是一个大的图形切割。
    //这些较小的图形切割的计算可以并行完成。增加子集的数量可以缩短计算时间，但也会降低结果的质量
    Classification::classify_with_graphcut<CGAL::Parallel_if_available_tag>
        (pts, Pmap(), labels, classifier, neighborhood.k_neighbor_query(12), 0.2f, 4, label_indices);
    t.stop();
    cout << "Classification with graphcut performed in " << t.time() << " second(s)" << endl;
 三种计算类型任选一种，1到3，精度逐次提高，但计算复杂度也相应提高，导致所需内存也是逐步增加，时间亦是逐步增加




    
 
8、标签转换的颜色信息
 
vector<unsigned char> red, green, blue;
red.reserve(pts.size());
green.reserve(pts.size());
blue.reserve(pts.size());
for (std::size_t i = 0; i < pts.size(); ++i)
    Label_handle label = labels[std::size_t(label_indices[i])];
    unsigned r = 0, g = 0, b = 0;
    if (label == ground)
        r = 245; g = 180; b = 0;
    else if (label == vegetation)
        r = 0; g = 255; b = 27;
    else if (label == roof)
        r = 255; g = 0; b = 170;
    red.push_back(r);
    green.push_back(g);
    blue.push_back(b);
9、点云保存
 
    cout << "write File 1.las" << endl;
    //点云写入
    LASwriteOpener lasWriterOpener;
    lasWriterOpener.set_file_name("2.las");
    LASwriter* lasWriter = lasWriterOpener.open(&lasHeader);    // 打开 laswriter
    lasreadopener.set_file_name(Path.c_str());
    lasreader = lasreadopener.open();
    int i = 0;
    // 初始化 point
    while (lasreader->read_point() && i < red.size())
        LASpoint& p = lasreader->point;
        p.set_x(pts[i].x());
        p.set_y(pts[i].y());
        p.set_z(pts[i].z());
        p.set_R(red.at(i));
        p.set_G(green.at(i));
        p.set_B(blue.at(i));
        lasWriter->write_point(&p);
        lasWriter->update_inventory(&p);
        ++i;
     update the boundary
    lasHeader.set_bounding_box(minX, minY, minZ, maxX, maxY, maxZ);
     update the header
    lasWriter->update_header(&lasHeader, true);
    lasWriter->close();
    delete lasWriter;
    lasWriter = nullptr;
 这里只有改变颜色信息，所以直接读取后修改其颜色信息就行 
                                    最近做的QT项目涉及计算几何库，需要用到CGAL，其配置着实麻烦，而且相互关联的软件也存在版本兼容一类的问题，在这里就对其配置流程做一些整理说明，以便后来者能够少些烦恼。（注：以下使用Win10作说明）
本流程前题条件
VS+QT的配置已经没有问题
CGAL配置相关软件说明
在CGAL官网下载页面上有相关软件的安装配置说明（Download CGAL for Windows...
                                    CGAL是Computational Geometry Algorithms Library（计算几何算法库）的缩写，C++的高效算法库。笔者编译的是CGAL 5.2版本。
一、重要版本节点
CGAL 4.9：编译示例时，可以只使用头文件，不需要编译和连接库。但是为了生成一些配置文件，仍然需要CMake一下。
CGAL 4.12：header-only library 不需要CMake就可以使用CGAL，引用头文件即可。（CGAL的模板有点令人头大）
CGAL 5.0：仅引用头文件使用CGAL是默认
#导入LasTools库
INCLUDEPATH += D:\LAStools\include\LASlib //.cpp文件以及.h文件路径
LIBS        += -LD:\LAStools\lib\LASlib\Release\  //.lib文件路径
之前用OpenGL+Qt的方式进行点云可视化，奈何OpenGL太高级，太底层了，什么都要自己搞，虽然最后也搞出来一套，但是花了太大的力气才搞完，现在在回过头看看以前的代码，好多都要想一下才能明白。
最近项目要用到PCL进行点云处理，然后了解了PCL使用vtk进行可视化。然后研究了一下vtk，过程中走了不少弯路，现在把一些经验总结一下，算是给自己这段时间的研究一个交代。
我用的环境是VS2019 + Qt5.13 + PCL 1.11 + 自己编译的VTK8.2，基本上算是最新的了。
                                    CGAL是一款几何处理库，但是介绍其在点云中处理的资料比较少，现介绍一个专门介绍CGAL在点云数据中处理的网站，比包括常见的点云数据处理。功能包括：
（1）聚类 （欧式聚类） （2）配准 （ICP） （3）简化（格网） （4）平滑 （5）法向量估算 （6）特征估算
每个函数均有详细的案例介绍，应该可以可视化。感兴趣的小伙伴可以去看看，学习
最后附上官网：CGAL 5.4 - Point Set Processing: User Manual
                                    首先我用的平台和库的版本是：Qt Creator 2.5.0 + Qt 4.8.2 + CGAL-4.1+ Boost1.15+CMake2.8.8
一.名词解释
1.CGAL（Computational Geometry Algorithm Library）是一个开源的C++库，用于提供方便高效可靠的几何计算。该库提供数据结构和算法用于三角剖分，Voronoi图，多边形和多面体布尔运算，曲线
在之前的博客《学习CGAL：编译第一个工程》中，我成功生成了工程并编译，也貌似成功让CGAL的算法执行了。不过，我在执行工程中的draw_triangulation_2项目时，好像并没有达到期望的效果：
看起来这个程序应该能“画”出来什么东西，然而现在失败了。我想，这是因为CGAL本身只是包含算法的，要想可视化必须额外做些事情。
回头看官方文档可以发现，其实它已经提示了：很多CGAL包是有额外的依赖的（官方文档：CGAL所依赖的一些第三方库），例如在之前的工程中，如果没有安QT就会在CMake配