浅述pcd，ply，out文件格式

三维重建过程中用到的一些文件格式，在这里做一下记录。

PCD

point cloud data， PCD并不是第一种支持3D点云数据的文件类型。
参考自 http://pointclouds.org/documentation/tutorials/pcd_file_format.php
格式示例如下：

# .PCD v0.7 - Point Cloud Data file format
VERSION 0.7
FIELDS x y z
SIZE 4 4 4
TYPE F F F
COUNT 1 1 1
WIDTH 5
HEIGHT 1
VIEWPOINT 0 0 0 1 0 0 0
POINTS 5
DATA ascii
0.35222197 -0.15188313 -0.10639524
-0.3974061 -0.47310591 0.29260206
-0.73189831 0.66710472 0.44130373
-0.73476553 0.85458088 -0.036173344
-0.46070004 -0.2774682 -0.91676188

• VERSION
  指定PCD文件版本号，目前正式的是v0.7
• FIELDS
  指定点拥有的每一维/通道数据的名称。

FIELDS x y z                                # XYZ data
FIELDS x y z rgb                            # XYZ + colors
FIELDS x y z normal_x normal_y normal_z     # XYZ + surface normals
FIELDS j1 j2 j3                             # moment invariants

• SIZE
  指定点的每一维数据的字节（bytes）大小。

unsigned char/char has 1 byte
unsigned short/short has 2 bytes
unsigned int/int/float has 4 bytes
double has 8 bytes

• TYPE
  指定点每个维度的类型为char。

I - represents signed types int8 (char), int16 (short), and int32 (int)
U - represents unsigned types uint8 (unsigned char), uint16 (unsigned short), uint32 (unsigned int)
F - represents float types

• COUNT
  指定每一维数据包含的元素数。例如，x数据一般拥有1个元素，但是一个像VFH一样的特征描述子拥有308个元素。本质上这是将n-D直方图描述子应用到每一个点的一种方式，可以将它们当成一个单个连续的存储块来对待。如果COUNT 不明确设定，所有维度的count都会默认设置为1。

• WIDTH
  指定点云数据集点数目的宽度。

  • 指定不规则数据点云（等价于下文的POINTS）中点的总数
  • 它可以指定一个规则点云数据集每一行点的总数

• HEIGHT
  指定点云数据集点数目的高度。

  • 非规则数据集的HEIGHT设置为1（用于检验一个数据集是否是规则的）
  • 指定规则数据点云集的总行数

• VIEWPOINT
  指定数据集中点的获取视角。视角信息由一个平移(tx ty tz)+四元组(qw qx qy qz)确定。默认值是： 0 0 0 1 0 0 0

• POINTS
  指定点云中点的总数。（与上面WIDTH和HEIGHT是有些重复的）

• DATA
  指定点云数据被存储的数据类型。0.7版本支持ascii和binary两种数据类型。

PLY

Polygon File Format, 该格式主要用以储存立体扫描结果的三维数值，透过多边形片面的集合描述三维物体，与其他格式相较之下这是较为简单的方法。它可以储存的资讯包含颜色、透明度、表面法向量、材质座标与资料可信度，并能对多边形的正反两面设定不同的属性。
参考自 https://zh.wikipedia.org/wiki/PLY
格式示例如下：

 ply
 format ascii 1.0
 element vertex 4
 property float x
 property float y
 property float z
 element face 4
 property list uchar int vertex_index
 end_header
 0 3 0
 2.449 -1.0 -1.414
 0 -1 2.828
 -2.449 -1.0 -1.414
 3 0 1 3
 3 0 2 1
 3 0 3 2
 3 1 2 3

• header

第一行ply，作为PLY格式的识别。
第二行是版本资讯

 format ascii 1.0
 format binary_little_endian 1.0
 format binary_big_endian 1.0

第三行开始描述元素及属性，必须使用’element’及’property’的关键字，一般的格式为element下方接着属性列表，'property’不仅定义了资料的型态，其出现顺序亦定义了资料的顺序。内定的资料形态有两种写法：一种是char uchar short ushort int uint float double,另外一种是具有位元长度的int8 uint8 int16 uint16 int32 uint32 float32 float64。

element <element name> <number in file>
property <data_type> <property name 1>
property <data_type> <property name 2>
property <data_type> <property name 3>

一般而言，网格模型的“元素”就是顶点（vertices）、面（faces），另外还可能包含有（edges）、深度图样本（samples of range maps）与三角带（triangle strips）等元素。
最后，标头必须以此行结尾：

end_header

这之后就是按照上面描述的元素和属性写具体的元素和属性。

OUT

bundler是经典的单目重建公开库之一，.out文件是它的输出格式，包含场景估计和相机几何参数。
参考自 http://www.cs.cornell.edu/~snavely/bundler/bundler-v0.4-manual.html#S6
示例如下：

# Bundle file v0.3
    <num_cameras> <num_points>   [two integers]
    <camera1>
    <camera2>
       ...
    <cameraN>
    <point1>
    <point2>
       ...
    <pointM>

具体如下：

• 版本信息：# Bundle file v0.3
• num_cameras num_points：两个整数，分别表示相机总数（其实就是输入图像的数量）和匹配到的点数；
• 接下来依次是每个相机的内参和外参信息；
  • 内参：f k1 k2：焦距，两个径向畸变参数；
  • 外参：R：表示相机旋转的矩阵，33；T：相机平移矩阵，13；

 <f> <k1> <k2>   [the focal length, followed by two radial distortion coeffs]
    <R>             [a 3x3 matrix representing the camera rotation]
    <t>             [a 3-vector describing the camera translation]

• 匹配点
  • position：点空间位置的描述，1*3；
  • color：RGB信息，1*3；
  • view list：描述点可见性的向量，包括 view list 长度，camera第几个相机，key表示该相机中第几个sift特征点，x和y表示在二维图像上的坐标（以图像中心的原点）；

<position>      [a 3-vector describing the 3D position of the point]
<color>         [a 3-vector describing the RGB color of the point]
<view list>     [a list of views the point is visible in]