Homework2的说明

Task1

• 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

Task2

• 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

Task3

• 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

Task4

• 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