使用PCL的IntegralImageNormalEstimation遇到的vector subsript out of range问题

转载请注明出处：http://my.csdn.net/ye_shen_wei_mian

生平第一篇博客，有点小激动，写的不好还望多多包涵，也欢迎分享更好的解决办法和思路。。。

网上关于PCL（Point Cloud Library）这个库的资料确实少之又少，遇到有的比较难解决的bug只能上csdn，stackoverflow上面各种找解决方法，还有PCL user mailing list，这是个不错的PCL开发者讨论区。

解决问题的过程非常的花时间和精力，因此希望能够通过分享自己遇到的问题，来免去后来者在同样的问题上再走一遍同样的路的痛苦，同时也欢迎大家提出更好的解决方案和思路撒~~~

最近因为课题的原因，要使用到PCL库中的IntegralImageNormalEstimation进行表面法线的预测。

代码如下（代码仅供参考，可以上PCL的官网上查阅相应的例程）：

pcl::PointCloud<pcl::PointXYZI>::Ptr cloud_ptr(new pcl::PointCloud<pcl::PointXYZI>);

*cloud_ptr = cloud_;

pcl::PointCloud<pcl::Normal>::Ptr cloud_normals_ptr(new pcl::PointCloud<pcl::Normal>);

pcl::IntegralImageNormalEstimation<pcl::PointXYZI, pcl::Normal> ne;

ne.setNormalEstimationMethod(ne.AVERAGE_3D_GRADIENT);

ne.setMaxDepthChangeFactor(0.02f);

ne.setNormalSmoothingSize(10.0f);

ne.setInputCloud(cloud_ptr);

cout << "test12" << endl;

ne.compute(*cloud_normals_ptr);

cout << "test13" << endl;

cloud_normals_ = *cloud_normals_ptr;

代码大致的意思就是，首先由Kinect采集到的深度图生成对应的cloud_，然后对cloud_这个点云使用IntegralImageNormalEstimation进行法线的估计，估计的方法使用的是AVERAGE_3D_GRADIENT。

然而，出现了非常奇怪的情况，在对一开始使用到的深度图使用IntegralImageNormalEstimation进行法线估计的时候，并没有出现问题。但之后更换深度图再进行一模一样的处理时，就报出了vector subsript out of range的错误。后来经输出结果查看，是ne.compute(*cloud_normals_ptr);这句话发生了问题。

弄了很久没弄出来，一直很困惑，但是之后通过对点云可视化的结果，发现了一些端倪，尝试着再使用KInect拍摄可能适用的深度图，居然又没报错了。所以虽然由于本人水平有限，没办法通过严谨细致的理论分析给出一个非常有效的解决方案，但是还是可以分享一下这个问题的一个权宜的解决方法。

我们先看看有问题（报错）的场景和它的点云是怎么样的，

场景RGB图：



相应的点云图：



我们再看看不报错的场景和它的点云是什么样的，

场景RGB图：



相应的点云图（使用PCL的cloudviewer来可视化的）：



报错的那个场景的点云图，由于场景上方时较远的天花板，于是生成的点云在上方会有较大的向后的延伸。而反观没有报错的场景，场景最远也是Kinect可以探测到的墙壁，是有限远（Kinect可以探测到的）深度范围。点云的形态并不相同，而可以作合理的推测是，PCL这个IntegralImageNormalEstimation类对场景应该是有一定的假设和要求的，并不是所有的场景生成的点云都可以进行法线的估计。所以在选择场景时，应当尽量选择有限远的（例如墙壁之类的）场景，应该就可以作为权宜之计。

再次强调的是，以上仅仅是根据实验结果的观察和分析做出合理的推断，提供一种可行的权宜之策，如果有读者能提出严谨和万全的解决思路和方法，欢迎评论留言，分享你的解决思路。

谢谢各位的阅览。