点云库PCL学习2——写入数据到pcd文件

转载自：https://blog.csdn.net/zzh_AI/article/details/88837046

一、数据域的描述

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：
1、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
2、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

3、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::PointCloudpcl::PointXYZ cloud;
std::vectorpcl::PointXYZ data = cloud.points;

4、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）。

5、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。

6、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。

二、写入数据到pcd文件--------有序数据结构

#define _CRT_SECURE_NO_WARNINGS
#pragma warning(disable:4996)

#include "iostream"
using namespace std;
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>

int main()
{
	//定义一个点云对象
	pcl::PointCloud<pcl::PointXYZ> cloud_t;
	//设置高和宽  点的个数
	cloud_t.width = 5;
	cloud_t.height = 4;
	cloud_t.points.resize(cloud_t.width*cloud_t.height);

	//为每一个点填入数据
	for (int i = 0; i < 4; i++)
	{
		for (int j = 0; j < 5; j++)
		{
			int num = i * 4 + j;
			cloud_t.points[num].x = 1024 * rand() / (RAND_MAX + 1.0f);
			cloud_t.points[num].y = 1024 * rand() / (RAND_MAX + 1.0f);
			cloud_t.points[num].z = 1024 * rand() / (RAND_MAX + 1.0f);
		}
	}
	//保存数据到test.pcd
	pcl::io::savePCDFileASCII("test.pcd", cloud_t);


	//终端显示数据
	cout << "保存的点云数据：" << endl;
	for (int k = 0; k < cloud_t.points.size(); k++)
	{
		cout << cloud_t.points[k].x << "    " << cloud_t.points[k].y << "     " << cloud_t.points[k].z << endl;
	}
	system("pause");
	return 0;
}