pcl点云中pcd格式点云定义详解

转自：http://blog.csdn.net/Linear_Luo/article/details/52647790 

 

PCL中的基本数据结构是PointCloud，PointCloud是一个C++类，包含了如下数据域：

• width (int) 
  用点云数据集中的点数初始化width，width其实有两个含义： 
  (1)对于无组织或者说无结构的点云来说，width就是指点云中点的个数。 
  (2) 对于有结构的点云来说，width是指点云数据集一行上点的个数。有结构的点云可以理解成这个点云像image（或者说是一个矩阵）一样进行组织，数据被分为行和列，如立体相机或者TOF相机获得的点云数据就属于这一类。对于有结构点云的一大好处就是能知道点云中点的相邻关系，最近邻操作效率就非常高，可以大大提高PCL中相应算法的效率。 
  例：cloud.width = 640; // there are 640 points per line
• height (int) 
  用点云数据集中点的高度（就是行数）初始化height，height同样有两个函数： 
  (1)对于有结构点云来说，height代表点云的总行数 
  (2)对于无结构的点云来说，height值为1，因此这也经常用来判断点云是或者不是一个有结构的点云。 
  如：

cloud.width = 640; // Image-like organized structure, with 640 rows and 480 columns,
cloud.height = 480; // thus 640*480=307200 points total in the dataset

cloud.width = 307200;
cloud.height = 1; // unorganized point cloud dataset with 307200 points

• points (std::vector) 
  存储了数据类型为PointT的一个动态数组，例如，对于一个包含了XYZ数据的点云，points是包含了元素为pcl::PointXYZ一个vector。 
  如：

pcl::PointCloud<pcl::PointXYZ> cloud;
std::vector<pcl::PointXYZ> data = cloud.points;

• is_dense (bool) 
  判断points中的数据是否是有限的（有限为true）或者说是判断点云中的点是否包含 Inf/NaN这种值（包含为false）。
• sensor_origin_ (Eigen::Vector4f) 
  代表了相应传感器的位置坐标（可能是进过平移的），这个数据成员是可选，在大多数的PCL算法中不会使用。

• sensor_orientation_ (Eigen::Quaternionf) 
  代表了相应传感器的朝向，这个数据成员是可选，在大多数的PCL算法中不会使用。

  　　为了简化开发，PointCloud中还包含了大量有用的函数，例如，用户不用根据height是否等于1来判断点云是否是有结构的，而是可以使用如下函数代替：

if (!cloud.isOrganized ())
  ...

　　PointT类型只是点云中基础的点的数据，描述的是每一个独立的点。PCL中还含有大量其他类型的点，可参考：http://pointclouds.org/documentation/tutorials/adding_custom_ptype.php#adding-custom-ptype