- PCL官网：Point Cloud Library | The Point Cloud Library (PCL)
- PCL官方教程：Introduction — Point Cloud Library 0.0 documentation
- Fetching Title#ald1
一、PCL的结构和模块
1.1 整体结构
- PCL的整体结构图：
1.2 PCL模块
- PCL可实现点云相关的获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等功能：
- PCL模块化代码库功能
- libpcl filters ：如采样、去除离群点、特征提取、拟合估计等数据实现过滤器
- libpcl features ：实现多种 维特征，如曲面法线、曲率、边界点估计、矩不变量、主曲率，PFH FPFH 特征，旋转图像、积分图像， NARF 描述子， RIFT ，相对标准偏差，数据强度的筛选等。
- libpcl I/O ：实现数据的输入和输出操作 ，例如点云数据文件(PCD) 的读写。
- libpcl segmentation ：实现聚类提取，如通过采样 致性方法对一系列参数模型 如平面、柱面、球面、 线等进行模型拟合点云分割提取，提取多边形棱镜内部点云等。
- libpcl surface 实现表面重建技术，如网格重建、凸包重建 、移动最小乘法平滑等．
- libpcl register ：实现点云配准方法，如 ICP
- libpcl keypoints ：实现不同的关键点的提取方法，这可以用来作为预处理步骤，决定在哪儿提取特征描述符。
- libpcl range ：实现支持不同点云数据集生成的范围图像。
1.3 PCL的PointT类型
参考博客：PCL中PointT类型详解_负壹的博客-CSDN博客
- PointXYZ------成员变量：float x，y，z;这是最常用的一个，只包含三维坐标X、Y、Z值，附加一个浮点进行对齐。可以通过points[i].data[0]或point[i].x访问X值。（即内部data数组和struct结构体数据共通）
union{
float data[4];
struct{
float x;
float y;
float z;
};
};
- Normal------float data_n[3], normal[3]，curvature;另一个常用的数据类型，Normal结构体表示给定点所在样本曲面上的法线方向，以及对应曲率的测量值。例如访问法向量的第一个坐标可以通过points[i].data_n[0]或者points[i].noraml[0]或points[i ]. normal_x ，在此再次强调，曲率不能被存储在同一个结构体中，因为它会被普通的数据操作覆盖掉
union{
float data_n[4];
float normal[3];
struct{
float normal_x;
float normal_y;
float normal_z;
}
};
union{
struct{
float curvature;
}
float data_c[4];
};
其它多种类型参考博客介绍，用到时再查即可。
二、PCL I/0 模块及类介绍
参考博客：PCL库中I/O操作 PCD点云格式及输入输出模块(I/O)介绍
PCL 中I/O库提供了点云文件输入输出相关的操作类，并封装了 OpenNI 兼容的设备源数据获取接口，可直接从众多感知设备获取点云图像等数据。PCL 中有自己设计的内部 PCD 文件格式。
2.1 PCD(点云数据)文件格式
PCD 文件头包含条目：
VERSION——指定 PCD 文件版本。
FIELDS ——指定一个点可 以有的每一个维度和字段的名字。
SIZE——用字节数指定每一个维度的大小。
TYPE——用一个字符指定每 个维度的类型 。现在被接受的类型有I有符号、U无符号、F浮点。
COUNT ——指定每 个维度包含的元素数目。
WIDTH ——用点的数量表示点云数据集的宽度。
HEIGHT——用点的数目表示点云数据集的高度。
VIEWPOINT ——指定数据集中点 的获取视点。
POINTS ——指定点云中点的总数。
DATA 指定存储点云数据的数据类型
PCD文件格式的优势：
- 存储和处理有序点云数据集的能力——这一点对于实时应用，例如增强现实、机器学习领域十分重要。
- 二进制mmap/munmap数据类型是把数据下载和存储到磁盘上最快的方法。
- 存储不同的数据类型（支持所有的基本类型：char, short, int, float, double）——使得点云数据在存储和处理过程中适应性强并且高效，其中无效的点通常存储为MAN类型。
- 特征描述子的n维直方图——对于3D识别和计算机视觉应用十分重要。
2.2 读入和写出PCD格式点云文件
1.从pcd格式文件中读入点云
#include <iostream>
#include <pcl/io/pcd_io.h> // IO模块
#include <pcl/point_types.h> // 点类型
int main ()
{
// [1]首先我们使用以下语句创建一个指向pcl::PointXYZ类型的共享指针cloud，此处pcl::PointXYZ类型指的是只有XYZ三个维度位置信息的点云类型。
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
// [2]从磁盘加载PointCloud数据(例如文件名为test_pcd.pcd的文件)，未成功读取则返回-1
if (pcl::io::loadPCDFile<pcl::PointXYZ> ("test_pcd.pcd", *cloud) == -1) //* load the file
{
PCL_ERROR ("Couldn't read file test_pcd.pcd \n");
return (-1);
}
// [3]打印pcd文件中点云的数据量（宽度*高度）；
std::cout << "Loaded "
<< cloud->width * cloud->height
<< " data points from test_pcd.pcd with the following fields: "
<< std::endl;
// [4]打印出文件中点的位置信息，以下方式常用，需熟练使用。
for (const auto& point: *cloud)
std::cout << " " << point.x
<< " " << point.y
<< " " << point.z << std::endl;
return (0);
}
2.向pcd格式文件中写入点云
#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
int main ()
{
// 创建点云的基本参数，以下指令描述了我们将要创建的模板化的PointCloud结构。每个点的类型都设置为pcl::PointXYZ，点云宽度为5，高度为1。
pcl::PointCloud<pcl::PointXYZ> cloud;
cloud.width = 5;
cloud.height = 1;
cloud.is_dense = false;
cloud.resize (cloud.width * cloud.height);
// 用随机生成的点向点云模板结构中填入数据
for (auto& point: cloud)
{
point.x = 1024 * rand () / (RAND_MAX + 1.0f);
point.y = 1024 * rand () / (RAND_MAX + 1.0f);
point.z = 1024 * rand () / (RAND_MAX + 1.0f);
}
// 将点云以ASCII码形式保存成PCD格式文件
pcl::io::savePCDFileASCII ("test_pcd.pcd", cloud);
std::cerr << "Saved " << cloud.size () << " data points to test_pcd.pcd." << std::endl;
// 打印点云
for (const auto& point: cloud)
std::cerr << " " << point.x << " " << point.y << " " << point.z << std::endl;
return (0);
}