PCL系列

https://blog.csdn.net/xuezhisdc/article/details/51012300

1、PCL系列——读入PCD格式文件操作
2、PCL系列——将点云数据写入PCD格式文件
3、PCL系列——拼接两个点云
4、PCL系列——从深度图像(RangeImage)中提取NARF关键点 
5、PCL系列——如何可视化深度图像
6、PCL系列——如何使用迭代最近点法（ICP）配准
7、PCL系列——如何逐渐地配准一对点云
8、PCL系列——三维重构之泊松重构
9、PCL系列——三维重构之贪婪三角投影算法
10、PCL系列——三维重构之移动立方体算法

------------------------------------------------------------------------------------------------------------------------------------------

1、pcl::io::loadPCDFile<pcl::PointXYZ> ("test_pcd.pcd", *cloud)  //读取点云到cloud

         其通过调用   pcl::PCDReader() 函数来实现。

2、pcl::io::savePCDFileASCII ("test_pcd.pcd", cloud); //将点云保存到PCD文件中

3、

* 如何拼接两个不同的点云的点，约束条件是两个数据集中的域的数量和类型必须相等。

* 如何拼接两个不同点云的域，约束条件是连个数据集中的点的数量必须相等。

4、模块RangeImage相关概念以及算法的介绍：

    深度图像（Depth Images）也被称为距离影像（Range Image）,即 距离值。

NARF(Normal Aligned Radial Feature)关键点是为了从深度图像中识别物体而提出的.

5、

6、创建ICP对象，设置该对象的输入点云和目标点云，然后进行配准 ipc.align() ，并显示ICP配准信息和变换矩阵。

  //*********************************
  // ICP配准
  //*********************************
  pcl::IterativeClosestPoint<pcl::PointXYZ, pcl::PointXYZ> icp; //创建ICP对象，用于ICP配准
  icp.setInputSource(cloud_in); //设置输入点云
  icp.setInputTarget(cloud_out); //设置目标点云（输入点云进行仿射变换，得到目标点云）
  pcl::PointCloud<pcl::PointXYZ> Final; //存储结果

  //进行配准，结果存储在Final中
  icp.align(Final); 
  //输出ICP配准的信息（是否收敛，拟合度）
  cout << "has converged:"<<icp.hasConverged()<<" score: " <<icp.getFitnessScore() << endl;
  //输出最终的变换矩阵（4x4）
  std::cout << icp.getFinalTransformation() << std::endl;

7、