PCL-1 介绍和安装

官网：Point Cloud Library | The Point Cloud Library (PCL) is a standalone, large scale, open project for 2D/3D image and point cloud processing.

GitHub：GitHub - PointCloudLibrary/pcl: Point Cloud Library (PCL)

安装：Ubuntu18.04安装PCL1.9.1（20200929）

Introduction — Point Cloud Library 0.0 documentation

学习资料：PCL(Point Cloud Library)学习指南&资料推荐

var code = "b74d44aa-076a-4560-80f6-77ab0806b501"

如图PCL架构图所示，对于3D点云处理来说，PCL完全是一个的模块化的现代C++模板库。其基于以下第三方库：Boost、Eigen、FLANN、VTK、CUDA、OpenNI、Qhull，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。

总体来说16个模块（下图中有15个，少了recognition），如下：

官网各模块：Introduction — Point Cloud Library 0.0 documentation

• 01common
• 02kdtree k维tree
• 03octree 八叉树
• 04search
• 05sample consensus 抽样一致性模块
• 06range-images深度图像
• 07tracking （此模块，没有官方示例代码）
• 08 io 输入输出
• 09 filters 滤波
• 10 features 特征
• 11 surface表面
• 12 segmentation分割
• 13 recognition识别（下图中没有）
• 14 registration配准
• 15 visualization可视化
• 16 keypoints关键点

每个模块都有依赖关系，依赖关系如下图（可以看出有四层），最基本的就是最底层的commom模块。

箭头对应的是依赖关系，比如第二层的kdtree依赖于common；第四层的registration有四个箭头，分别是sample_consensus, kdtree, common, features。

官方图

pcd文件格式

例子

# .PCD v.7 - Point Cloud Data file format
VERSION .7								# 版本号
FIELDS x y z rgb				#  指定一个点可以有的每一个维度和字段的名字
SIZE 4 4 4 4								# 用字节数指定每一个维度的大小。例如：
TYPE F FFF									# 用一个字符指定每一个维度的类型 int uint folat
COUNT 1 1 1 1						# 指定每一个维度包含的元素数目
WIDTH 640    						   # 像图像一样的有序结构，有640行和480列，
HEIGHT 480    					  # 这样该数据集中共有640*480=307200个点
VIEWPOINT 0 0 0 1 0 0 0			# 指定数据集中点云的获取视点 视点信息被指定为平移（txtytz）+四元数（qwqxqyqz）
POINTS 307200						# 指定点云中点的总数。从0.7版本开始，该字段就有点多余了
DATA ascii										# 指定存储点云数据的数据类型。支持两种数据类型：ascii和二进制
0.93773 0.33763 0 4.2108e+06
0.90805 0.35641 0 4.2108e+06

pcd文件格式详解

PCD版本

在点云库（PCL）1.0版本发布之前，PCD文件格式有不同的修订号。这些修订号用PCD_Vx来编号（例如，PCD_V5、PCD_V6、PCD_V7等等），代表PCD文件的0.x版本号。然而PCL中PCD文件格式的正式发布是0.7版本（PCD_V7）。

文件头格式

每一个PCD文件包含一个文件头，它确定和声明文件中存储的点云数据的某种特性。PCD文件头必须用ASCII码来编码。PCD文件中指定的每一个文件头字段以及ascii点数据都用一个新行（\n）分开了，从0.7版本开始，PCD文件头包含下面的字段：

• 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。例如：

FIELDS x y z                                   # XYZ data

FIELDS x y z rgb                          # XYZ + colors

FIELDS x y z normal_xnormal_y normal_z         # XYZ + surface normals

FIELDS j1 j2 j3                                # moment invariants

...

·SIZE –用字节数指定每一个维度的大小。例如：

unsigned char/char has 1 byte

unsigned short/short has 2 bytes

unsignedint/int/float has 4 bytes

double has 8 bytes

·TYPE –用一个字符指定每一个维度的类型。现在被接受的类型有：

I –表示有符号类型int8（char）、int16（short）和int32（int）；

U – 表示无符号类型uint8（unsigned char）、uint16（unsigned short）和uint32（unsigned int）；

F –表示浮点类型。

·COUNT –指定每一个维度包含的元素数目。例如，x这个数据通常有一个元素，但是像VFH这样的特征描述子就有308个。实际上这是在给每一点引入n维直方图描述符的方法，把它们当做单个的连续存储块。默认情况下，如果没有COUNT，所有维度的数目被设置成1。

·WIDTH –用点的数量表示点云数据集的宽度。根据是有序点云还是无序点云，WIDTH有两层解释：

1)它能确定无序数据集的点云中点的个数（和下面的POINTS一样）；

2)它能确定有序点云数据集的宽度（一行中点的数目）。

注意：有序点云数据集，意味着点云是类似于图像（或者矩阵）的结构，数据分为行和列。这种点云的实例包括立体摄像机和时间飞行摄像机生成的数据。有序数据集的优势在于，预先了解相邻点（和像素点类似）的关系，邻域操作更加高效，这样就加速了计算并降低了PCL中某些算法的成本。例如：

WIDTH 640       # 每行有640个点

·HEIGHT –用点的数目表示点云数据集的高度。类似于WIDTH ，HEIGHT也有两层解释：

1)它表示有序点云数据集的高度（行的总数）；

2)对于无序数据集它被设置成1（被用来检查一个数据集是有序还是无序）。

有序点云例子：

WIDTH 640       # 像图像一样的有序结构，有640行和480列，

HEIGHT 480      # 这样该数据集中共有640*480=307200个点

无序点云例子：

WIDTH 307200

HEIGHT 1        # 有307200个点的无序点云数据集

·VIEWPOINT–指定数据集中点云的获取视点。VIEWPOINT有可能在不同坐标系之间转换的时候应用，在辅助获取其他特征时也比较有用，例如曲面法线，在判断方向一致性时，需要知道视点的方位，视点信息被指定为平移（txtytz）+四元数（qwqxqyqz）。默认值是：

VIEWPOINT 0 0 0 1 0 0 0

·POINTS–指定点云中点的总数。从0.7版本开始，该字段就有点多余了，因此有可能在将来的版本中将它移除。例子：

POINTS 307200   #点云中点的总数为307200

·DATA –指定存储点云数据的数据类型。从0.7版本开始，支持两种数据类型：ascii和二进制。查看下一节可以获得更多细节。注意：文件头最后一行（DATA）的下一个字节就被看成是点云的数据部分了，它会被解释为点云数据。