在本教程中，我們將學習如何使用積分影象計算組織點雲的法線。

#程式碼
首先，用你最喜歡的編輯器建立一個檔案，名為normal_estimation_using_integral_images.cpp，並在其中放置以下內容：

    #include <pcl/io/io.h>
    #include <pcl/io/pcd_io.h>
    #include <pcl/features/integral_image_normal.h>
    #include <pcl/visualization/cloud_viewer.h>

    int
    main ()
    {
            // load point cloud
            pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
            pcl::io::loadPCDFile ("table_scene_mug_stereo_textured.pcd", *cloud);

            // estimate normals
            pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>);

            pcl::IntegralImageNormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
            ne.setNormalEstimationMethod (ne.AVERAGE_3D_GRADIENT);
            ne.setMaxDepthChangeFactor(0.02f);
            ne.setNormalSmoothingSize(10.0f);
            ne.setInputCloud(cloud);
            ne.compute(*normals);

            // visualize normals
            pcl::visualization::PCLVisualizer viewer("PCL Viewer");
            viewer.setBackgroundColor (0.0, 0.0, 0.5);
            viewer.addPointCloudNormals<pcl::PointXYZ,pcl::Normal>(cloud, normals);

            while (!viewer.wasStopped ())
            {
              viewer.spinOnce ();
            }
            return 0;
    }
 

#說明
現在，讓我們逐一分解程式碼。在第一部分中，我們從一個檔案中載入一個點雲：

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile ("table_scene_mug_stereo_textured.pcd", *cloud);

在第二部分中，我們為法向量估計建立一個物件並計演算法線：

// estimate normals
pcl::PointCloud<pcl::Normal>::Ptr normals (new pcl::PointCloud<pcl::Normal>);

pcl::IntegralImageNormalEstimation<pcl::PointXYZ, pcl::Normal> ne;
ne.setNormalEstimationMethod (ne.AVERAGE_3D_GRADIENT);
ne.setMaxDepthChangeFactor(0.02f);
ne.setNormalSmoothingSize(10.0f);
ne.setInputCloud(cloud);
ne.compute(*normals);
 

以下法向量估計方法可用：

enum NormalEstimationMethod
{
  COVARIANCE_MATRIX,
  AVERAGE_3D_GRADIENT,
  AVERAGE_DEPTH_CHANGE
};

COVARIANCE_MATRIX模式建立9個積分影象，以從其本地鄰域的協方差矩陣計算特定點的法線。AVERAGE_3D_GRADIENT模式建立6個積分影象來計算水平和垂直3D梯度的平滑版本，並使用這兩個梯度之間的叉積計演算法線。AVERAGE_DEPTH_CHANGE模式只建立一個積分影象，並根據平均深度變化計演算法線。

在最後一部分，我們將點雲和相應的法線進行視覺化：

// visualize normals
pcl::visualization::PCLVisualizer viewer("PCL Viewer");
viewer.setBackgroundColor (0.0, 0.0, 0.5);
viewer.addPointCloudNormals<pcl::PointXYZ,pcl::Normal>(cloud, normals);

while (!viewer.wasStopped ())
{
  viewer.spinOnce ();
}

Normal Estimation Using Integral Images