根据三维空间坐标点如何构建三维模型

1.Halcon 算子：xyz_to_object_model_3d

功能：将含有三维空间坐标的图像(数值矩阵)生成一个三维模型，输入的图像为三维空间坐标点的X、Y、Z图像
xyz_to_object_model_3d (ImageX, ImageY, ImageZ, model）
ImageX:含有物体三维空间中的X坐标信息
ImageY:含有物体三维空间中的Y坐标信息
ImageZ:含有物体三维空间中的Z坐标信息

2.OpenCV生成XYZ图像

XYZ图像：实际上是以图像的形式存储的二维矩阵

定义32位Mat类型图像，初始化为0

	Mat xImg, yImg, zImg;
	xImg= Mat::zeros(height, width, CV_32FC1);
	yImg= Mat::zeros(height, width,CV_32FC1);
	zImg= Mat::zeros(height, width, CV_32FC1);

循环遍历像素，判断二维坐标中该点位置实际对应的三维空间坐标点是否存在，若存在则取出三维空间坐标点的x、y、z值，分别赋值给 xImg, yImg, zImg

	for (int i = 0; i < height; i++)
	{
	    //注：pt为三维空间坐标点对象
		float *r = xImg.ptr<float>(i);
		float *g = yImg.ptr<float>(i);
		float *b = zImg.ptr<float>(i);
		for (int j = 0; j < width; j++)
		{
		  // 取出2D图像位置(i,j)对应的点云
			float x, y, z;
			float cr, cg, cb;
			x = pt->x;
			y = pt->y;
			z = pt->z;
	
			if (fabs(x - 0.0) < FLT_EPSILON && fabs(y - 0.0) < FLT_EPSILON && fabs(z - 0.0) < FLT_EPSILON) // 判断当前2D图像位置是否有点云
			{
				//情况1：当前(i,j）位置没有点云
			}
			else
			{
				//情况2：当前(i,j）位置有点云，取出点云信息
				cnt++;
				r[j] = x ;
				g[j] = y;
				b[j] = z;
			}
		}
	}

3.保存的XYZ图像

4.调用Halcon算子，生成三维模型并显示

xyz_to_object_model_3d (Image1, Image2, Image3, model)
visualize_object_model_3d (WindowHandle, model, []