puai_wj_2021/locate/point_sift_segmentation.h

#ifndef __POINTSIFT__HH___API
#define __POINTSIFT__HH___API
#include <string>
#include "pointSIFT_API.h"
#include "../error_code/error_code.h"
#include <pcl/point_types.h>
#include <pcl/common/common.h>
#include "../locate/predict_with_network.h"

//Cloud_box,点云的三维方框,
typedef struct Cloud_box
{
	double x_min;
	double x_max;
	double y_min;
	double y_max;
	double z_min;
	double z_max;
}Cloud_box;

/*
 * 封装PointSift点云分割网络,输入点云,分割出汽车,检验结果
 * 功能包括将pcl点云数据格式转换成原始数据格式float*
 * 将识别数据转换成点云数据并用不同颜色区分
 */
class Point_sift_segmentation : public PointSifter
{
public:
	Point_sift_segmentation(int point_size,int cls,float freq,pcl::PointXYZ minp,pcl::PointXYZ maxp);
	Point_sift_segmentation(int point_size,int cls,float freq, Cloud_box cloud_box);
	virtual ~Point_sift_segmentation();

    //初始化网络, 加载网络权重
	virtual Error_manager init(std::string graph,std::string cpkt);

	//分割函数,输入点云,输出各类的点云,并保存中间文件方便查看识别结果.
	//cloud:输入点云, (有内存)
	//cloud_vector:输出分类好的多个点云(附带颜色,红色为杂物,绿色为车,白色为地面)(此时里面没有内存)
	virtual Error_manager segmentation(int lidar_id, pcl::PointCloud<pcl::PointXYZ>::Ptr p_cloud_in,
							  std::vector<pcl::PointCloud<pcl::PointXYZRGB>::Ptr>& cloud_vector,
							  bool save_flag, std::string save_dir);

public://get or set member variable
	Predict_with_network& get_predict_with_network();

protected:


	//使用体素网格, 抽稀点云,	//将点云空间分为小方格,每个小方格只保留一个点.
	Error_manager filter_cloud_with_voxel_grid(pcl::PointCloud<pcl::PointXYZ>::Ptr p_cloud);
	//使用box限定点云范围,只保留box范围内部的点, 剔除外部的点云
	Error_manager filter_cloud_with_box(pcl::PointCloud<pcl::PointXYZ>::Ptr p_cloud);
	//通过输入点云,更新边界区域范围
	Error_manager update_region(pcl::PointCloud<pcl::PointXYZ>::Ptr p_cloud);
	//抽稀点云,	//自己写的算法, 重新生成新的点云.
	Error_manager filter_cloud_with_my_grid(pcl::PointCloud<pcl::PointXYZ>::Ptr p_cloud);
	//从点云中选出固定数量的随机点, 默认8192个点
	//p_cloud_in::输入点云, 有内存,且size>0
	//p_cloud_out::输出点云, 需要提前分配内存. size==0
	Error_manager filter_cloud_with_select(pcl::PointCloud<pcl::PointXYZ>::Ptr p_cloud_in, pcl::PointCloud<pcl::PointXYZ>::Ptr p_cloud_out);
	//将点云数据转换到float*
	Error_manager translate_cloud_to_float(pcl::PointCloud<pcl::PointXYZ>::Ptr p_cloud_in, float* p_data_out);



	//恢复点云, 将float*转换成点云
	//p_data_type:输入点云对应的类别,  大小为  点数*m_cls_num*float
	//p_data_point:输入点云数据(xyz)
	//cloud_vector::输出带颜色的点云vector
	Error_manager recovery_float_to_cloud(float* p_data_type, float* p_data_point, std::vector<pcl::PointCloud<pcl::PointXYZRGB>::Ptr>& cloud_vector);
	//恢复点云, 将float*转换成点云
	//p_data_type:输入点云对应的类别(取值 0 ~ m_cls_num-1 ),大小为  点数*int
	//p_data_point:输入点云数据(xyz)
	//cloud_vector::输出带颜色的点云vector
	Error_manager recovery_float_to_cloud(int* p_data_type, float* p_data_point, std::vector<pcl::PointCloud<pcl::PointXYZRGB>::Ptr>& cloud_vector);

	//保存点云数据
	Error_manager save_cloud(std::vector<pcl::PointCloud<pcl::PointXYZRGB>::Ptr>& cloud_vector, std::string save_dir);
protected:
	float		        	m_freq;					//抽稀的分辨率,
    pcl::PointXYZ			m_minp;					//真实点云的最小值, 区域范围
    pcl::PointXYZ			m_maxp;					//真实点云的最大值, 区域范围
	Cloud_box				m_cloud_box_limit;		//限制点云的方框, 只有在有效区域内的点才能参与计算.

	Predict_with_network 	m_predict_with_network;	//从服务器进行点云预测算法的功能模块

};
#endif