根据三维空间坐标点如何构建三维模型

1.Halcon 算子：xyz_to_object_model_3d

2.OpenCV生成XYZ图像

3.保存的XYZ图像

4.调用Halcon算子，生成三维模型并显示

1.Halcon 算子：xyz_to_object_model_3d

功能：将含有三维空间坐标的图像(数值矩阵)生成一个三维模型，输入的图像为三维空间坐标点的X、Y、Z图像

xyz_to_object_model_3d (ImageX, ImageY, ImageZ, model)

ImageX:含有物体三维空间中的X坐标信息

ImageY:含有物体三维空间中的Y坐标信息

ImageZ:含有物体三维空间中的Z坐标信息

2.OpenCV生成XYZ图像

XYZ图像：实际上是以图像的形式存储的二维矩阵

定义32位Mat类型图像，初始化为0

Mat xImg, yImg, zImg;

xImg= Mat::zeros(height, width, CV_32FC1);

yImg= Mat::zeros(height, width,CV_32FC1);

zImg= Mat::zeros(height, width, CV_32FC1);

循环遍历像素，判断二维坐标中该点位置实际对应的三维空间坐标点是否存在，若存在则取出三维空间坐标点的x、y、z值，分别赋值给 xImg, yImg, zImg

for (int i = 0; i < height; i++)

{

//注：pt为三维空间坐标点对象

float *r = xImg.ptr(i);

float *g = yImg.ptr(i);

float *b = zImg.ptr(i);

for (int j = 0; j < width; j++)

{

// 取出2D图像位置(i,j)对应的点云

float x, y, z;

float cr, cg, cb;

x = pt->x;

y = pt->y;

z = pt->z;

if (fabs(x – 0.0) < FLT_EPSILON && fabs(y – 0.0) < FLT_EPSILON && fabs(z – 0.0) < FLT_EPSILON) // 判断当前2D图像位置是否有点云

{

//情况1：当前(i,j)位置没有点云

}

else

{

//情况2：当前(i,j)位置有点云，取出点云信息

cnt++;

r[j] = x ;

g[j] = y;

b[j] = z;

}

}

}

3.保存的XYZ图像

4.调用Halcon算子，生成三维模型并显示

xyz_to_object_model_3d (Image1, Image2, Image3, model)

visualize_object_model_3d (WindowHandle, model, []