- 使用opencv自带的直方图绘图函数
cv::calcHist() - 源代码位置：
DrawHistogram/ - 运行方法：修改
main.cpp中的点云文件路径以及存储路径前缀，运行后将会直接显示两个直方图，并且存储在DrawHistogram/Histogram下
- 对于单帧的点云数据进行地面点集的分离，算法参考A Fast Ground Segmentation Method for 3D Point Cloud
- 点云的可视化使用opencv的
viz模块，需要QT，VTK的依赖，编译opencv的时候需要打开编译viz模块的开关 - 分离算法接口说明：
void preprocess(vector<Vector3d>& points,vector<vector<Vector3d> >& sortedpoints)- 函数说明：点云数据预处理，主要是对点云数据分类，排序 - 第一个参数：读入的点云原数据 - 第二个参数：处理好的点云数据void SeperateGroundPoints(vector<vector<Vector3d> >& sortedpoints,vector<Vector3d>& ground,vector<Vector3d>& nonground,double alphamax,double missmax,double hmin)- 函数说明：地面点集分离算法 - 第一个参数：预处理的有序点集 - 第二三个参数：地面点集和非地面点集 - 后三个参数：算法中需要调整的阈值，推荐参数为(PI/4, 0.1, 0.1)
- 源代码位置：
PointCloud/ - 运行方法：修改
main.cpp中的点云文件路径，如果环境满足上述要求，直接运行将会弹出点云可视化窗口，其中地面点集为红色，其他的为绿色；若环境不满足要求，则可以按照上述要求使用算法接口进行验证；运行效果图存储在PointCloud/Result文件夹下
- 使用公式
GRAY = (R*30 + G*59 + B*11 + 50) / 100来计算灰度 - 源代码位置：
RGB2Gray/ - 运行方法：修改
main.cpp中的图片路径以及存储路径前缀，运行后将会显示出转化为灰度的图片，并且存储在RGB2Gray/Converted下
- 先通过
mask将图中除了白色的部分全部处理成黑色，然后将图片转灰度，使用Canny方法标记边缘，使用Hough方法识别出直线，通过分左右两类，取平均，画出两条直线标记出Lane - 源代码位置：
LaneDetect/ - 运行方法：替换图片路径，直接运行，将会按照图片顺序一次显示所有图片的处理结果