HOUGH_LINE.cpp

对于霍夫直线一直是应用在图片中，因此此种方法可以应用在点云数据中。具体原理以及依赖的头文件和主函数见链接：https://mp.csdn.net/console/editor/html/106173138 数据部分见链接：

//HOUGH_LINE.cpp文件
#include “HOUGH_LINE.h“
HOUGH_LINE::HOUGH_LINE（）
{
}

HOUGH_LINE::~HOUGH_LINE（）
{
	cloud->clear（）;
	result_.clear（）;
}
void HOUGH_LINE::VoxelGrid_（float size_ PointCloud::Ptr &voxel_cloud） //定义降采样函数（常用略过）
{
	PointCloud::Ptr tem_voxel_cloud（new PointCloud）;
	VoxelGrid vox;
	vox.setInputCloud（cloud）;
	vox.setLeafSize（size_ size_ size_）;
	vox.filter（*tem_voxel_cloud）;
	cloud = tem_voxel_cloud;
	voxel_cloud = tem_voxel_cloud;
	point_num = cloud->size（）;
}
//在霍夫空间里边
void HOUGH_LINE::draw_hough_spacing（） //定义绘制霍夫空间划分函数
{
	visualization::PCLPlotter *plot_（new visualization::PCLPlotter（“My plotter“））;//定义绘图对象
	plot_->setBackgroundColor（1 1 1）;//设置图形背景颜色（0，0，0）背景为黑色
	plot_->settitle（“hough space“）;//设置整体标题
	plot_->setXtitle（“angle“）;//设置X轴坐标标题记为角度
	plot_->setYtitle（“rho“）;//设置Y坐标标题记为ρ
	vector>data_;//vector的元素类型是pair类型
	double x_resolution1 = M_PI / 181;//1度=Π/180；1弧度=180/Π（横坐标轴从0到180一共181个数）
	double a_1 b_1;//将降采样后点云数据的xy坐标赋值给a_1b_1
	for （int i_point = 0; i_point < point_num; i_point++）
	{
		a_1 = cloud->points[i_point].x;
		b_1 = cloud->points[i_point].y;
		for （int i = 0; i < 181; i++）
		{
			data_.push_back（make_pair（i*x_resolution1 a_1 * cos（i*x_resolution1） + b_1 * sin（i*x_resolution1）））;//data_的元素存储的是（θ，ρ）已知xyθ计算得到ρ
			//访问（输出）存放在vector的成员（pair方式存在），便于观察理解
			//cout << data_[i].first<<““ <		}
		plot_->addPlotData（data_ “line“ vtkChart::LINE）;//XY均为double型的向量；第一个参数多项式或者要绘制的函数（点）、第二个曲线名称、第三个绘制线
		data_.clear（）;
	}
	//plot_->setShowLegend（false）;//不显示曲线名称（也就是对应上述addPlotData第二个参数）
	plot_->setShowLegend（true）;//显示曲线名称
	plot_->plot（）;//绘制曲线
}
//寻找极大值（首先根据xy还有划分的0到180的θ，计算出每个xy点是落进哪个格子里边）
void HOUGH_LINE::HOUGH_line（int x_setp_num double y_resolution int grid_point_number_threshold vector&K_ vector&B_ int line_num） 
{
	vector>all_point_row_col;//所有的行列数
	vector Grid_Index;
	getMinMax3D（*cloud point_min point_max）;//获取点云中的最大最小值XYZ
	//观察一下输出的最大值xy分别是多少
	//cout << “（“<	double x_resolution = M_PI / x_setp_num;//Π/181（x轴的分辨率）
	int raster_rows raster_cols;//栅格行，列
	raster_rows = ceil（（M_PI - 0） / x_resolution）;//相当于等于x_setp_num=181
	//查看一下输出的行有多少行
	//cout << “行数：“<< raster_rows << endl;//181
	raster_cols = ceil（（point_max.y + point_max.x） / y_resolution） * 2;//y_resolution=0.5
	//查看一下输出的列有多少列
	//cout << “列数：“<< raster_cols << endl;//2970
	MatrixXi all_row_col（raster_cols raster_rows）;//存储每个格网内的个数 //是个矩阵raster_cols矩阵行数、 Xi表示元素是int类型？
	all_row_col.setZero（）;//将这个表达式中所有数设为0
	//查看一下这步定义的是啥？
	//cout << “setZero之后的all_row_col：“ << all_row_col << endl;//输出全是0，（raster_cols raster_rows）这么多行列的0
    //下边输出2970，181，537570
	//cout << “all_row_col “ << “rows=“ << all_row_col.rows（） << “cols=“ << all_row_col.cols（） << “coefficeints=“ << all_row_col.size（） << endl;
	MatrixXd all_row_col_mean（raste