Three.js+pcl.js 实现Web端的点云处理+显示

2023-12-13 19:14:49

1 功能实现

在前面我们实现了PCD的加载器的基础上，这次将加上 pcl.js —— 著名的PCL库的web版本，详情见https://pcl.js.org/，来处理我们加载上去的点云。

具体实现如下：

用户可以通过每个板块的右上角进行处理前 / 后的切换，还可以通过一些参数调控pcl算法（注意：调完参数后需要切换显示模式才能生效）

点云过滤示例1：
- 主要功能：通过统计离群值移除算法，用户可以调整参数 meanK 和 stddevMulThresh 查看过滤效果。
点云关键点提取示例2：
- 主要功能：应用 ISS（Intrinsic Shape Signatures）算法进行关键点提取，用户可以调整参数 SalientRadius、NonMaxRadius、Threshold21、Threshold32 和 MinNeighbors 查看效果。
最小切割示例3：
- 主要功能：通过最小切割算法，用户可以调整参数 Radius、Sigma、SourceWeight 和 NumberOfNeighbours 查看效果。

2 具体实现

本项目是基于 Three.js 和 pcl.js 实现的简单一个Web应用程序，用于可视化三维点云数据并且处理三维点云。

使用 VSCode 的 Live Serve 搭建网络编程的环境，采用CDN的方式引入 Three.js (版本：r158) 和 pcl.js（版本：1.16.0）

2.1 html

HTML 代码定义了一个基本网页，用于使用三个不同的JS文件处理点云数据：

PCLFilter.js
PCLKeyPoints.js
PCLCutter.js

结构：

页面包含一个分为三个面板的容器
每个面板都有一个用于选择“原始”和“过滤”点云数据显示的单选按钮组

通过 radio 按钮选择不同的显示模式，可以查看原始点云数据或经过处理后的点云数据。
每个面板还有一个引用特定 .js 文件的脚本标签
使用 flex 布局来布局三个面板，使页面分为左上，左下，右，三个板块

<!DOCTYPE html>
<html>

<head>
	<meta charset="utf-8">
	<title>PCD visulize</title>
	<style>
		body {
			margin: 0;
			padding: 0;
			overflow: hidden;
		}
	</style>
</head>

<body style="color: rgb(131, 131, 131);">
	<script type="importmap">
		{
		  "imports": {
			"three": "https://cdn.jsdelivr.net/npm/three@0.158.0/build/three.module.js",
			"three/addons/": "https://cdn.jsdelivr.net/npm/three@0.158.0/examples/jsm/"		
		  }
		}
	</script>
	<div class="container">
		<div class="panel panel1" id="Panel1"
			style="position: relative;height: calc(50vh - 2px);width: 50vw;border-bottom: #ccc 2px solid;border-right: #ccc 2px solid">
			<fieldset style="position: absolute; right: 0; top: 0;">
				<legend>选择显示模式</legend>
				<div>
					<input type="radio" id="original1" name="display1" value="original1" checked />
					<label for="original1">处理前</label>
				</div>
				<div>
					<input type="radio" id="filtered1" name="display1" value="filtered1" />
					<label for="filtered1">处理后</label>
				</div>
			</fieldset>

			<script type="module" src="js/PCLFilter.js"> </script>
		</div>
		<div class="panel panel2" id="Panel2"
			style="position: absolute;right: 0;top: 0;height: 100vh;width: calc(50vw - 4px);">
			<fieldset style="position: absolute; right: 0; top: 0;">
				<legend>选择显示模式</legend>
				<div>
					<input type="radio" id="original2" name="display2" value="original2" checked />
					<label for="original2">处理前</label>
				</div>
				<div>
					<input type="radio" id="filtered2" name="display2" value="filtered2" />
					<label for="filtered2">处理后</label>
				</div>
			</fieldset>

			<script type="module" src="js/PCLKeyPoints.js"> </script>
		</div>
		<div class="panel panel3" id="Panel3"
			style="position: relative;height: 50vh;width: 50vw;border-right: #ccc 2px solid">
			<fieldset style="position: absolute; right: 0; top: 0;">
				<legend>选择显示模式</legend>
				<div>
					<input type="radio" id="original3" name="display3" value="original3" checked />
					<label for="original3">处理前</label>
				</div>
				<div>
					<input type="radio" id="filtered3" name="display3" value="filtered3" />
					<label for="filtered3">处理后</label>
				</div>
			</fieldset>

			<script type="module" src="js/PCLCutter.js"> </script>
		</div>

	</div>
	<style>
		.container {
			/* display: grid; */
			/* grid-template-columns: 1fr 1fr;
			grid-template-rows: 1fr 1fr; */
			height: 100vh;
		}

		.panel {
			flex: 1 0 50%;
			border: 1px solid #ccc;
			display: flex;
			justify-content: center;
			align-items: center;
		}

		#panel2 {
			height: 100vh;
		}
	</style>
</body>
</html>

2.2 js

该项目中有三个类似的JS文件，每个都大同小异，只是使用了不同的PCL功能罢了，我将主要详细讲解其中一个的全流程

2.2.1 PCLFilter.js

实现点云过滤处理

1. 引入库

通过 import 方式引入了 pcl.js 和 three.js 库，以及一些 three.js 相关的模块。

import * as PCL from "https://cdn.jsdelivr.net/npm/pcl.js@1.16.0/dist/pcl.esm.js";
import * as THREE from 'three';
import { OrbitControls } from 'three/addons/controls/OrbitControls.js';
import { PCDLoader } from 'three/addons/loaders/PCDLoader.js';
import { GUI } from 'three/addons/libs/lil-gui.module.min.js';

2. three.js 初始化

three.js 的经典三大件，初始化了 OrbitControls 使我们可以用鼠标控制点云，还创建了一个GUI

const container = document.getElementById('Panel1');
// 创建场景、相机、渲染器
const scene = new THREE.Scene();
const camera = new THREE.PerspectiveCamera(80, container.offsetWidth / container.offsetHeight, 0.01, 10000000);
camera.position.set(0, 0, 1.5);
const renderer = new THREE.WebGLRenderer();
renderer.setSize(container.offsetWidth, container.offsetHeight);
container.appendChild(renderer.domElement);
// 创建控制器
const controls = new OrbitControls(camera, renderer.domElement);

var gui = new GUI();
gui.title('示例1：点云过滤');
var attributesFolder = gui.addFolder('点云设置');
gui.domElement.style.left = '0.1%';
gui.domElement.style.position = 'absolute';

3. 加载点云数据执行滤波

异步加载点云数据： 通过 fetch 函数异步获取点云数据，将数据转换为 ArrayBuffer；使用 PCL.init 初始化 pcl.js 库，指定 wasm 文件的路径；再使用 PCL.loadPCDData 函数加载点云数据
创建 StatisticalOutlierRemoval 滤波器： 使用 new PCL.StatisticalOutlierRemoval() 创建统计离群值滤波器；使用 sor.setMeanK 和 sor.setStddevMulThresh 设置滤波器的参数；再使用 sor.filter() 对点云进行滤波
保存滤波后和原始点云的数据： 使用 PCL.savePCDDataASCII 将滤波后和原始点云的数据保存为 ASCII 格式
绑定事件： 调用 bindEvent() 函数，用于处理滤波后数据

let cloud;                // 存储点云数据
let cloudOriginalData;    // 存储原始点云数据
let cloudFilteredData;    // 存储滤波后的点云数据

async function main() {
    // 异步获取点云数据
    const cloudBuffer = await fetch("./images/point_cloud.pcd").then((res) =>
        res.arrayBuffer()
    );

    // 初始化 pcl.js 库
    await PCL.init({
        url: `https://cdn.jsdelivr.net/npm/pcl.js/dist/pcl-core.wasm`
    });

    // 加载点云数据
    cloud = PCL.loadPCDData(cloudBuffer, PCL.PointXYZ);

    // 创建 StatisticalOutlierRemoval 滤波器
    const sor = new PCL.StatisticalOutlierRemoval();
    sor.setInputCloud(cloud);
    sor.setMeanK(40);
    sor.setStddevMulThresh(3.0);
    
    // 对点云进行滤波
    const cloudFiltered = sor.filter();

    // 保存滤波后和原始点云的数据（ASCII格式）
    cloudFilteredData = PCL.savePCDDataASCII(cloudFiltered);
    cloudOriginalData = PCL.savePCDDataASCII(cloud);

    // 绑定事件
    bindEvent();
}

// 调用 main 函数
main();

4. 显示切换

bindEvent切换函数

为页面上的两个单选按钮添加 “change” 事件监听器，实现用户选择显示原始点云或滤波后点云的功能

function bindEvent() {
    // 初始显示原始点云
    showPointCloud(cloudOriginalData);

    // 获取两个单选按钮元素
    const radioOriginal = document.getElementById("original1");
    const radioFiltered = document.getElementById("filtered1");

    // 为两个单选按钮添加 "change" 事件监听器
    [radioOriginal, radioFiltered].forEach((el) => {
        el.addEventListener("change", (e) => {
            const mode = e.target.id; // 获取选中按钮的 id
            reset(); // 重置 GUI

            // 根据选中的按钮 id，显示相应的点云数据
            switch (mode) {
                case "original1":
                    showPointCloud(cloudOriginalData);
                    break;
                case "filtered1":
                    showPointCloud(cloudFilteredData);
                    break;
            }
        });
    });
}

GUI重置函数

删除之前的 GUI：使用 gui.destroy() 方法删除之前的 GUI 实例。
创建新的 GUI 实例：创建一个新的 GUI 实例，并进行一些设置，如添加标题、文件夹等。
删除之前的点云：通过 scene.remove(scene.children[0]) 删除之前的点云对象。

function reset() {
    // 删除之前的 GUI
    gui.destroy();

    // 创建一个新的 GUI 实例
    gui = new GUI();
    // gui.add(isRotation, 'bool').name('旋转');
    gui.title('点云过滤');
    attributesFolder = gui.addFolder('点云设置');
    gui.domElement.style.left = '0.1%';
    gui.domElement.style.position = 'absolute';
    // 删除之前的点云
    scene.remove(scene.children[0]);
}

5. 点云显示

将PCL的点云的数据（ASCII格式），转换为URL以便 three.js 的PCD加载
- 将 ArrayBuffer 转换为字符串： 使用 TextDecoder 将输入的 ArrayBuffer 数据解码为字符串。
- 从字符串创建 Blob： 使用 Blob 构造函数将字符串数据转换为 Blob 对象，设置 MIME 类型为 ‘text/plain’。
- 从 Blob 创建 URL： 使用 URL.createObjectURL 创建一个包含 Blob 数据的 URL，用于加载点云模型。
three.js 的点云加载显示
- 加载点云模型：使用点云加载器的 load 方法加载点云模型。在加载完成后，调用回调函数，其中 points 包含了点云的几何信息。
- 几何变换：对点云的几何进行居中和绕 X 轴旋转。
- 创建点云材质：使用 THREE.PointsMaterial 创建点云的材质，设置颜色、点大小等属性。
- 根据点云数据设置颜色：根据当前点云是原始数据还是滤波后的数据，设置点云的颜色。
- 创建点云对象：使用 THREE.Points 创建点云对象，将其添加到场景中。
- 在 GUI 中添加点云相关设置：使用 attributesFolder.addFolder 创建一个 GUI 文件夹，添加文件名、点数、点大小、点颜色等设置。

function showPointCloud(currentPointCloud) {
    // 将 ArrayBuffer 转换为字符串
    const decoder = new TextDecoder('utf-8');
    const pcdString = decoder.decode(new Uint8Array(currentPointCloud));

    // 从字符串创建 Blob
    const blob = new Blob([pcdString], { type: 'text/plain' });

    // 从 Blob 创建 URL
    const url = URL.createObjectURL(blob);

    // 创建点云加载器
    const loader = new PCDLoader();

    // 加载点云模型
    loader.load(url, function (points) {
        // 将点云几何居中
        points.geometry.center();
        points.geometry.rotateX(Math.PI);

        // 创建点云材质
        const material = new THREE.PointsMaterial({ color: 0xffffff, size: 0.02, vertexColors: false });

        // 根据当前点云是原始数据还是滤波后的数据设置点云颜色
        if (currentPointCloud == cloudOriginalData) {
            material.color.setHex(0xad1010); // 设置为红色
        } else {
            material.color.setHex(0x1ea10c); // 设置为绿色
        }

        // 创建点云对象
        const pointCloud = new THREE.Points(points.geometry, material);
        scene.add(pointCloud);

        // 在 GUI 中添加点云相关设置
        const folder = attributesFolder.addFolder(`点云 0`);
        const text = { pointsNum: points.geometry.attributes.position.count, file: "初始pcd" };
        folder.add(text, 'file').name('文件');
        folder.add(text, 'pointsNum').name('点数');
        folder.add(material, 'size', 0.001, 0.03).name('点大小');
        folder.addColor(material, 'color').name('点颜色');
    });
}

6. 参数调整更新

创建和配置 GUI
- 创建 GUI 实例：使用 GUI 类创建了一个 GUI 实例。
- 设置 GUI 样式：通过 domElement 对象的样式属性设置 GUI 的位置和样式。
```
var plcgui = new GUI();
plcgui.domElement.style.left = '0.1%';
plcgui.domElement.style.top = '175px';
plcgui.domElement.style.position = 'absolute';
```
- 定义参数对象 params：包含两个属性 meanK 和 stddevMulThresh，分别表示均值的 K 值和标准差的倍数阈值。
- 使用 plcgui.add 添加控件：将参数添加到 GUI 中，并使用 onChange 事件指定在值变化时调用 filterPointCloud 函数。
- 设置控件的范围和名称：对 meanK 设置范围为 1 到 100，对 stddevMulThresh 设置范围为 0.1 到 10，并为每个控件指定名称。
```
const params = {
    meanK: 40,
    stddevMulThresh: 3.0
};
plcgui.add(params, 'meanK', 1, 100).name('meanK').onChange(filterPointCloud);
plcgui.add(params, 'stddevMulThresh', 0.1, 10).name('stddevMulThresh').onChange(filterPointCloud);
```

过滤点云函数

与之前的初始滤波的操作一致

async function filterPointCloud() {
    const cloudBuffer = await fetch("./images/point_cloud.pcd").then((res) =>
        res.arrayBuffer()
    );
    cloud = PCL.loadPCDData(cloudBuffer, PCL.PointXYZ);
    const sor = new PCL.StatisticalOutlierRemoval();
    sor.setInputCloud(cloud);
    sor.setMeanK(params.meanK);
    sor.setStddevMulThresh(params.stddevMulThresh);
    const cloudFiltered = sor.filter();

    cloudFilteredData = PCL.savePCDDataASCII(cloudFiltered);
    cloudOriginalData = PCL.savePCDDataASCII(cloud);
}

7. 渲染循环

function animate() {
    requestAnimationFrame(animate);

    // 渲染场景
    renderer.render(scene, camera);
}

animate();

2.2.2 PCLKeyPoints.js

实现点云关键点提取操作

大致内容与 PCLFilter.js 相似，这里只对关键差异之处进行描述

1. 关键点提取

计算点云分辨率： 使用 PCL.computeCloudResolution 计算点云的分辨率。
创建 Kd 树和 ISS 关键点提取器： 使用 PCL.SearchKdTree 创建 Kd 树，使用 PCL.ISSKeypoint3D 创建 ISS 关键点提取器。
设置参数： 设置 ISS 关键点提取器的各项参数，如搜索半径、非极大值抑制半径、阈值等。
计算关键点： 使用 compute 方法计算关键点，并将结果保存在 keypoints 中。

注意：此处是将结果（关键点）保存到了 keypoints 当中

let cloud;
let keypoints;

async function main() {
    const cloudBuffer = await fetch("./images/point_cloud.pcd").then((res) =>
        res.arrayBuffer()
    );

    await PCL.init({
        url: `https://cdn.jsdelivr.net/npm/pcl.js/dist/pcl-core.wasm`
    });

    cloud = PCL.loadPCDData(cloudBuffer, PCL.PointXYZ);
    const resolution = PCL.computeCloudResolution(cloud);
    const tree = new PCL.SearchKdTree();
    const iss = new PCL.ISSKeypoint3D();
    keypoints = new PCL.PointCloud();
    iss.setSearchMethod(tree);
    iss.setSalientRadius(6 * resolution);
    iss.setNonMaxRadius(4 * resolution);
    iss.setThreshold21(0.975);
    iss.setThreshold32(0.975);
    iss.setMinNeighbors(5);
    iss.setInputCloud(cloud);
    iss.compute(keypoints);

    cloudOriginalData = PCL.savePCDDataASCII(cloud);

    bindEvent();
}

2. 关键点显示

在 bindEvent() 函数中设置显示 false/true 来控制显示关键点

function bindEvent() {
...
    switch (mode) {
        case "original2":
            showPointCloud(false);
            break;
        case "filtered2":
            showPointCloud(true);
            break;
...
}

展示关键点：如果 showKeypoints 为真，将关键点的坐标添加到 pos 数组中，并创建关键点的 BufferGeometry 和 PointsMaterial。
创建点云对象：创建点云的 BufferGeometry 和 PointsMaterial。
组合点云和关键点：将点云和关键点组合到一个 THREE.Group 中。
调整位置：通过计算包围盒中心，调整组的位置，使其居中。
GUI 设置：在 GUI 中添加点云和关键点的相关设置，如文件名、点数、点大小、颜色等。

function showPointCloud(showKeypoints) {
...
    const pos = [];

    // 如果需要展示关键点
    if (showKeypoints) {
        for (let i = 0; i < keypoints.points.size; ++i) {
            const point = keypoints.points.get(i);
            pos.push(point.x, point.y, point.z);
        }
    }

    // 创建关键点 PointsMaterial
    const geometry = new THREE.BufferGeometry();
    geometry.setAttribute('position', new THREE.Float32BufferAttribute(pos, 3));
    const keypointsMaterial = new THREE.PointsMaterial({ size: 0.05, color: 0xff0000 });
    const keypointsMesh = new THREE.Points(geometry, keypointsMaterial);

    // 创建点云的 PointsMaterial
    const material = new THREE.PointsMaterial({ color: 0xffffff, size: 0.02, vertexColors: false });
    const pointCloud = new THREE.Points(points.geometry, material);

    // 创建一个组，将点云和关键点添加到组中
    const group = new THREE.Group();
    group.add(pointCloud);
    group.add(keypointsMesh);

    // 调整组的旋转，使其在显示时朝上
    group.rotation.set(Math.PI, 0, 0);

    // 计算组的包围盒
    const boundingBox = new THREE.Box3();
    boundingBox.setFromObject(group);

    // 获取包围盒中心
    const center = new THREE.Vector3();
    boundingBox.getCenter(center);

    // 计算平移向量，使组居中
    const translation = new THREE.Vector3();
    translation.subVectors(new THREE.Vector3(0, 0, 0), center);
    group.position.add(translation);

    // 将组添加到场景中
    scene.add(group);

    ...
    // 在GUI中添加关键点大小的调整
    folder.add(keypointsMaterial, 'size', 0.03, 0.1).name('关键点大小');
...
}

2.2.3 PCLCutter.js

实现点云最小切割操作

大致内容与 PCLFilter.js 相似，这里只对关键差异之处进行描述

1. 最小切割

创建对象中心和前景点云： 创建一个表示对象中心的 PCL.PointXYZ 实例，并创建一个前景点云 foregroundPoints，将对象中心添加到其中。
创建 MinCutSegmentation 分割器： 使用 PCL.MinCutSegmentation 创建点云分割器。
设置分割器参数： 设置分割器的参数，包括前景点云、输入点云、半径、标准差、源权重和邻居数量等。
执行分割： 执行分割操作。
获取着色的点云： 使用getColoredCloud方法获取切割部分着色的点云数据，并保存到 cloudFilteredData 中。

async function main() {
    const cloudBuffer = await fetch("./images/point_cloud.pcd").then((res) =>
        res.arrayBuffer()
    );

    await PCL.init({
        url: `https://cdn.jsdelivr.net/npm/pcl.js/dist/pcl-core.wasm`
    });

    cloud = PCL.loadPCDData(cloudBuffer, PCL.PointXYZ);

    const objectCenter = new PCL.PointXYZ(2, 0, 0);
    const foregroundPoints = new PCL.PointCloud();
    foregroundPoints.addPoint(objectCenter);

    const seg = new PCL.MinCutSegmentation();
    seg.setForegroundPoints(foregroundPoints);
    seg.setInputCloud(cloud);
    seg.setRadius(3.0433856);
    seg.setSigma(0.1);
    seg.setSourceWeight(0.8);
    seg.setNumberOfNeighbours(14);
    seg.extract();
    const coloredCloud = seg.getColoredCloud();

    cloudFilteredData = PCL.savePCDDataASCII(coloredCloud);
    cloudOriginalData = PCL.savePCDDataASCII(cloud);

    bindEvent();
}

2. 最小切割显示

在 showPointCloud 函数中通过设置是否显示点云的顶点颜色来显示切割部分

let showVertColor = false;
// 当前是切割后的点云就显示点云颜色
if (currentPointCloud != cloudOriginalData) {
    showVertColor = true;
}

// 创建点云材质
const material = new THREE.PointsMaterial({ color: 0xffffff, size: 0.02, vertexColors: showVertColor });

3 源码

源码见 Github : 图像与动画实验

文章来源:https://blog.csdn.net/WJwwwwwww/article/details/134904345
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：veading@qq.com进行投诉反馈，一经查实，立即删除！