pcl的初步使用(ROS)

ROS里面已经预装好了pcl，和一些与pcl之间的转换，我们接下来看看如何在ros里面使用pcl.。

总的来说，PCL包含了一个很重要得到数据结构，叫PointCloud，这是一个模板类，把点的类型作为模板参数。

下面是最重要的在点云里面的公共域

header 这个域是pcl::PCLHeader类型和指定点云的获取时间。

points:这个域是std::vector<PointT,..>类型，是点云存储的容器。PointT是类模板参数。

width:这个域指定点云的宽度在组织一个图像的时候，否则只有一个。

height:这个域指定点云的高度，没有指定则只有一个。

is_dense:这个域指定点云是否包含无效值(infinite或者NaN)

sensor_origin_:这个域是Eigen::Vector4f 类型，它定义 了传感器的获取姿势就一个区域的转换而言。

sensor_orientation_：这个域是Eigen::Quaternion类型，他定义了sensor作为一个旋转的角度而言。

了解了点云的数据结构以后，下面就可以了解不同点云的类型，pcl是怎么工作的，已及pcl与ROS间的关系。

不同的点云类型

前面所说的，pcl::PointCloud包含一个域，它作为点的容器，这个域是PointT类型的，这个域是PointT类型的是pcl::PointCloud类的模板参数，定义了点云的存储类型。PCL定义了很多类型的点，下面是一些最常用的：

pcl::PointXYZ 这是最简单的点的类型，存储着点的x,y,z信息。

pcl::PointXYZI:这个类型的点是和前面的那个很相似的，但是他也包含一个域描述了点的密集程度。另外还有两个其他的标准的特殊的点的类型:第一个是pcl::InterestPoint，它有一个域去存储长处而不是密集度。pcl::PointWithRange，存储了点的范围(深度).

pcl::PointXYZRGBA:这个类型的点存储了3D信息同时和RGB与Alpha(透明度）

pcl::PointXYZRGB

pcl::Normal:这是一个最常用的点的类型，它代表了给定点的 曲面法线(normal翻译为法线有点奇怪)和曲率的测量。

pcl::PointNormal：这个类型和前面那个一样。只不过它多了坐标(x,y,z)。他的变体有PointXYZRGBNormal和PointXYZINormal,就像名字所说的一样，前者包含颜色，后者包含密集度。

除了以上这些常用的点的类型，还有很多 标准的其他的PCL类型，比如PointWithViewpoint,MomentInvariants,Boundary,PrincipalCurvatures,Histogram.更重要的是在PCL里面除了这些类型，用户还可以自己定义自己的类型。

PCL里面的算法

PCL用一个很特别的设计模式贯穿整个库去定义点云处理算法。总体来说，上面这些类型的算法是高度配置的，为了开发他们的潜能，库必须要提供一个机制对用户来指定哪些参数是需要的，哪些是默认的。

为了解决这个问题，PCL的开发者决定去使每个算法属于一个特定共同点下的同层次的类。这个方式允许PCL开发者通过派生和添加参数值的方式，复用存在的算法。它也允许用户去提供参数值，剩余的是默认值。下面是一小段代码当使用PC