【我的点云哪有这么可爱！】二、PCL！yyds！

【我的点云哪有这么可爱！】系列目录
第零章 从学习思路开始
第一章 点云概述基础知识
第二章 PCL！yyds！

---

---

前言

在上一章节中介绍了点云的一些基本概念，包括点云的数据获取、点云的应用、点云算法基本介绍、点云常用软件与开源库。这一章节我们将介绍永远滴神PCL点云库。

---

一、PCL是什么？

PCL全称为Point Cloud Library。是一个3D点云处理的开源库。
如果说OpenCV是2D信息获取与处理的结晶，那么PCL就在3D信息获取与处理上有同等的地位。
2010年随着消费级RGB-D设备大量上市，微软的Kinect为先导，大量公司开始从事相关的硬件生产，形成了新一代的机器视觉生态链，PCL应运而生。
PCL起初由ROS（Robot Operating System）下来自斯坦福大学的Radu博士等人维护和开发的开源项目，主要应用于机器人研究应用领域，随着算法模块的积累，与2011年独立出来，与全球3D信息获取、处理的同行一起组件了强大的开发维护团队，以多所知名大学、研究所和相关软硬件公司为主。
PCL是在吸收了前人相关研究的基础上建立起来的跨平台开源点云库，实现了大量通用算法和数据结构，涉及点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等基础模块，以及人体骨骼识别提取、动作跟踪识别等应用。

二、设计理念与架构

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。

PCL利用OpenMP、GPU、CUDA等先进高性能计算技术，通过并行化提高程序实时性。PCL中的底层数据结构在很大程度上利用了SSE优化，在现代cpu上考虑了效率和性能。大多数数学运算都是基于线性代数的Eigen开源库实现，K近邻搜索操作的构架是基于FLANN (Fast Library for Approximate Nearest Neighbors)所实现的，速度也是技术中最快的。PCL中的所有模块和算法都是通过Boost共享指针来传送数据的，因而避免了多次复制系统中已存在的数据的需要。

从算法角度来看，PCL指结合了多种3D处理算法，对点云数据进行操作，包括：滤波、特征估计、曲面重建、模型拟合、分割、配准，每一组算法都通过基类定义，基类试图集成整个管线的所有公用功能，实现实际算法的紧凑干净。

PCL处理这种管道的基本接口：

• 创建处理对象（例如过滤器、特征估计、分割）
• 使用setInputCloud将输入点云数据集传递给处理模块
• 调用compute（或者filter、segment等）获得输出

为了简化开发，PCL被分成一系列可以单独编译的小代码库：

---

三、如何配置PCL及使用

PCL最为一个功能强大的开源库，可在Windows、Linux、Mac OS X等操作系统中运行。

配置及使用样例可以参考

VS2019下PCL1.11.1的安装配置
Ubuntu18.04下的PCL安装（摸爬滚打）

四、PCL的点类型

PCL中定义了大量的point类型，大多数需要用到的类型已经被包含在内了。

点云的数据结构主要有如下格式：PointXYZ、PointXYZI、PointXYZRGBA、PointXYZRGB、PointXY、InterestPoint、Normal、PointNormal、PointXYZRGBNormal、PointXYZINormal、PointXYZLNormal、PointXYZL、PointXYZRGBL、PointXYZHSV、PointWithRange、PointWithViewpoint、MomentInvariants、PrincipalRadiiRSD、Boundary、PrincipalCurvatures、PFHSignature125、FPFHSignature33、VFHSignature308、Narf36、BorderDescription、IntensityGradient、Histogram、PointWithScale、PointSurfel。

参见头文件：pcl/point_types.h

为什么用PointT类型？
PCL的PointT可以追溯到它在ROS中作为开源库被开发的时候，大家一致认为，点云是复杂的n维结构，它需要能表示不同类型的信息，然而用户应该知道并理解需要传送什么样的信息，为了使代码更易于调试，考虑优化等等。
对带SSE功能的处理器，最高效的方法是存储3维坐标为浮点型，紧跟着一个浮点型数据作为填补位数以满足存储对齐要求：

struct PointXYZ

{

float x;

float y;

float z;

float padding;

};

由于PCL中所有的算法都是模板化的，除了更改的自定义结构之外，不需要做其他的更改，增加了代码的重用性和可读性。

《PCL点云数据格式，可用的PointT类型》
《PCL中PointT类型详解》
这两篇文章中对目前PCL自带的点云类型进行了一个介绍可以参考

例子：自己定义PCL的点云类型：

#include<pcl/point_types.h>
#include<pcl/point_cloud.h>
#include<pcl/io/pcd_io/h>   

struct MyFreeType//定义点类型结构，为了增加新的point类型，首先需要定义
{
PCL_ADD_POINT4D; //该类型由4个元素组成
float test;
EIGEN_MAKE_ALIGNED_OPERATOR_NEW //确保new操作符对齐操作
}EIGEN_ALIGN16; //强制SSE对齐

POINT_CLOUD_REGISTER_POINT_STRUCT(MyFreeType, //注册点类型宏
(float,x,x)
(float,y,y)
(float,y,y)
(float,test,test)
)
int
main(int argc,char * * argv)
{
pcl::PointCloud<MyFreeType>cloud;
cloud.points.resize(2);
cloud.width = 2;
cloud.height = 1;

cloud.points[0].test = 1;
cloud.points[1].test = 2;
cloud.points[0].x = cloud.points[0].y = cloud.points[0].z = 0;
cloud.points[1].x = cloud.points[1].y = cloud.points[1].z = 3;

pcl::io::savePCDFile("test.pcd",cloud);
}

参考文章：
1、PCL从入门到精通_1_概述
2、PCL吧贴
3、R. B. Rusu and S. Cousins, “3D is here: Point Cloud Library (PCL),” 2011 IEEE International Conference on Robotics and Automation, 2011, pp. 1-4, doi: 10.1109/ICRA.2011.5980567.
4、PCL已有点类型介绍和增加自定义的点类型
5、PCL点云类型详解
6、3.3PCL已有点类型介绍和增加自定义的点类型