点云图像融合（点云着色）——基于PCL、OpenCV和kitti数据集

最新推荐文章于 2026-05-14 15:01:50 发布

原创

最新推荐文章于 2026-05-14 15:01:50 发布 · 2.1w 阅读

271

本文介绍了一种在C/C++中利用PCL、OpenCV库和Kitti数据集进行点云图像融合的方法，通过图像像素值为点云着色。步骤包括数据读入、变换矩阵计算、坐标变换和点云显示，最终实现了点云数据与图像数据的融合。

文章目录

前言
一、准备
二、点云图像融合（点云着色）
三、总结

前言

一种图像数据与激光雷达点云数据融合的c/c++方法实现，使用图像像素值给对应的点云着色。基于PCL点云库、OpenCV库、kitti数据集。

一、准备

1）运行环境：Ubuntu16.04（18.04也可）

2）安装OpenCV库；

3）安装PCL库；

4）kitti数据集，中的1组png图像及对应的bin点云文件，及坐标变换说明txt文件；

5）bin2pcd的app，用于把kitti数据集的bin点云文件转换成pcd文件。
参考：ubuntu16.04下用pcl库将点云bin文件转成pcd文件

二、点云图像融合（点云着色）

1. 数据读入

使用OpenCV读入png图像文件；使用PCL读入对应的pcd点云文件；

//图像读入
Mat img = imread(“000005.png”);
//点云读入
pcl::PointCloud<pcl::PointXYZRGB>::Ptr point_cloud_ptr(new pcl::PointCloud<pcl::PointXYZRGB>);
pcl::io::loadPCDFile (“5.pcd”, *point_cloud_ptr);

png文件
pcd文件

2. 变换矩阵准备

根据kitti数据集采集时标定的坐标转换公式，来计算由点云坐标中的点x(x, y, z, 1)到图像坐标中的y(u, v, 1)的变换：
在这里插入图片描述
其中，T为坐标变换旋转平移矩阵；
R(0)为各摄像头到摄像头0的修正矩阵；
P为各摄像头的内参矩阵；

在工程计算时需对各矩阵进行行列扩展：
点云图像坐标变换
各矩阵的元素值在kitti数据集的对应的calib/文件夹下：
calib文件中的变换矩阵元素
提前计算出P * R * T，用于下一步的坐标变换：

Mat trans = Mat(3,4,CV_32FC1);	
trans = P2 * R0_rect * Tr_velo_

最低0.47元/天解锁文章