点云3D目标检测理论实战

3D目标检测系列的前4篇已经把训练的方法介绍完整了，接下来会一步一步准备训练数据，也就是点云的处理。

我们知道，目前点云的公开数据集主要是自动驾驶领域，模型的设计及训练都是集中在此类数据，同时标注工具也都是为此设计。该类数据的特点是有道路平面但无顶部（为避免引起误解，这里举个例子说明，比如室内的点云是有天花板的）、同时lidar视角基本是与地面平行的，无旋转。因此我们标注的时候基本都是先从俯视图开始定位bounding box的中心位置，读者可以自行体会有旋转时标注的困难程度。

学习资源地址 https://gitee.com/studywangke/zdjs

本节通过一个室内点云的变换来介绍上述处理过程。

点云的原始状态

如上图，原始的点云图是延Y轴（绿色）倾斜的，而且是带有屋顶的。

点云旋转

这里我们想人为调整旋转角度，因此使用欧拉角（RPY：对应的旋转顺序为ZYX）比较方便。观察上图可知，点云需要延Y轴逆时针旋转20几度。详见代码：

#include <ros/ros.h>
#include <pcl_ro