目录
- 一、算法原理
- 二、代码实现
- 三、结果展示
一、算法原理
针对正三棱锥(四面体)表面均匀点云的生成,采用基于重心坐标的随机采样方法。对于任意三角形,其顶点为
A
,
B
,
C
A,B,C
A,B,C,随机点
P
P
P由如下凸组合定义:
P
=
(
1
−
ξ
1
−
ξ
2
)
A
+
ξ
1
B
+
ξ
2
C
P=(1 – \\xi_1 – \\xi_2)\\,\\mathbf{A} + \\xi_1\\,\\mathbf{B} + \\xi_2\\,\\mathbf{C}
P=(1−ξ1−ξ2)A+ξ1B+ξ2C 其中
ξ
1
,
ξ
2
\\xi_1, \\xi_2
ξ1,ξ2 服从标准二维单纯形
{
ξ
1
≥
0
,
ξ
2
≥
0
,
ξ
1
+
ξ
2
≤
1
}
\\{\\xi_1 \\ge 0,\\; \\xi_2 \\ge 0,\\; \\xi_1+\\xi_2 \\le 1\\}
{ξ1≥0,ξ2≥0,ξ1+ξ2≤1} 上的均匀分布。实际计算时,首先生成两个独立的均匀随机变量
U
,
V
∼
U
[
0
,
1
]
U, V \\sim \\mathcal{U}[0,1]
U,V∼U[0,1],仅当
U
+
V
≤
1
U+V \\le 1
U+V≤1 时接受该数对;否则拒绝并重新采样。这一拒绝机制确保了点集在三角形区域内呈均匀分布。 将该过程分别应用于三棱锥的四个三角面——底面与三个侧面——即可得到该多面体表面的稠密点云。各面独立采样,互不影响,整体点云在表面积上具有无偏均匀性。
二、代码实现
#include <vector>
#include <random>
#include <iostream>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>
// 生成三棱锥点云
pcl::PointCloud<pcl::PointXYZ>::Ptr generatePyramidCloud()
{
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
// 定义三棱锥的四个顶点
std::vector<pcl::PointXYZ> vertices =
{
pcl::PointXYZ(0.0f, 0.0f, 0.0f), // 底面三角形顶点1
pcl::PointXYZ(1.0f, 0.0f, 0.0f), // 底面三角形顶点2
pcl::PointXYZ(0.5f, 0.866f, 0.0f), // 底面三角形顶点3
pcl::PointXYZ(0.5f, 0.288f, 1.0f) // 顶点
};
// 在三个面上生成随机点
std::random_device rd;
std::mt19937 gen(rd());
std::uniform_real_distribution<> dis(0.0, 1.0);
// 生成底面三角形内部点
for (int i = 0; i < 20000; ++i)
{
float r1 = dis(gen);
float r2 = dis(gen);
if (r1 + r2 <= 1.0f)
{
pcl::PointXYZ p;
p.x = (1 – r1 – r2) * vertices[0].x + r1 * vertices[1].x + r2 * vertices[2].x;
p.y = (1 – r1 – r2) * vertices[0].y + r1 * vertices[1].y + r2 * vertices[2].y;
p.z = 0.0f;
cloud->points.push_back(p);
}
else
{
i—; // 重新生成
}
}
// 生成三个侧面的点
for (int face = 0; face < 3; ++face)
{
int v1 = face;
int v2 = (face + 1) % 3;
int v3 = 3; // 顶点
for (int i = 0; i < 20000; ++i)
{
float r1 = dis(gen);
float r2 = dis(gen);
if (r1 + r2 <= 1.0f)
{
pcl::PointXYZ p;
p.x = (1 – r1 – r2) * vertices[v1].x + r1 * vertices[v2].x + r2 * vertices[v3].x;
p.y = (1 – r1 – r2) * vertices[v1].y + r1 * vertices[v2].y + r2 * vertices[v3].y;
p.z = (1 – r1 – r2) * vertices[v1].z + r1 * vertices[v2].z + r2 * vertices[v3].z;
cloud->points.push_back(p);
}
else
{
i—;
}
}
}
cloud->width = cloud->points.size();
cloud->height = 1;
cloud->is_dense = true;
return cloud;
}
int main()
{
// 生成模拟三棱锥点云
std::cout << "生成三棱锥点云…" << std::endl;
pcl::PointCloud<pcl::PointXYZ>::Ptr pyramid_cloud = generatePyramidCloud();
std::cout << "点云数量: " << pyramid_cloud->size() << " 个点" << std::endl;
// 保存模拟点云
pcl::io::savePCDFileBinary("pyramid_cloud.pcd", *pyramid_cloud);
std::cout << "已保存模拟点云到: pyramid_cloud.pcd" << std::endl;
// 可视化
pcl::visualization::PCLVisualizer viewer("Pyramid");
viewer.setBackgroundColor(0.1, 0.1, 0.1);
// 添加原始点云
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color(pyramid_cloud, 100, 100, 100);
viewer.addPointCloud(pyramid_cloud, cloud_color, "pyramid_cloud");
viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1, "pyramid_cloud");
std::cout << "\\n按q退出可视化窗口…" << std::endl;
viewer.spin();
return 0;
}
三、结果展示


![P11246 [GESP202409 六级] 小杨和整数拆分-171主机测评](https://www.171host.com/wp-content/uploads/2026/11/20261108100631-6af049a75855c-220x150.png)

