一文详解点云库PCL

3D is here: Point Cloud Library (PCL)

摘要：

随着新型，低成本的3D传感器硬件的出现（例如Kinect），以及科研人员在高级点云处理研究上的不断努力，3D感知在机器人技术以及其他领域显得愈发重要。

本文，我们将介绍在点云感知领域的一项最新举措：PCL（点云库– http://pointclouds.org）。PCL为3D感知领域提供了一种先进且广泛的方法，旨在为常见的需要用到3D功能的需求提供支持。该库包含用于以下方面的最新算法：滤波，特征估计，表面重建，配准，模型拟合和分段。PCL得到了国际机器人技术和感知研究人员的支持。我们简要介绍下PCL，包括其算法功能和实现策略。

一、介绍

为了使机器人在非结构化环境中工作，他们需要能够感知世界。在过去的20年中，我们走过了一段很长的路。从简单的距离传感器（基于声纳或红外线），提供几个字节的信息；到无处不在的相机；再到激光扫描仪。在过去的几年中，像DARPA Urban Challenge上用的Velodyne旋转激光雷达，和倾斜激光PR2上使用的扫描仪为我们提供了高质量的3D世界的表示形式-点云。但是很遗憾，这些系统都很昂贵，要花费数千甚至数十万美元数千美元，因此很多机器人项目都无法承担这样的开支。

但是最近几年，3D传感器变得很容易获得，这改变了游戏规则。比如，用于微软XBox 360游戏系统的Kinect传感器，基于PrimeSense技术。只要150美元以下的价格就能买到。它像2D一样提供实时的点云图。因此， 我们可以预见，未来大部分机器人都能以三维的视角看这个世界。所有这些需要的，就是一种有效处理点云的机制，这就是我们介绍的开源点云库-PCL，图1是Logo.

PCL是一个完全免费的，BSD许可的库，用于n维点云和3D几何处理。此外，PCL完全集成在ROS中——机器人操作系统（请参阅http://ros.org），并且已经被广泛应用于机器人社区中的各种项目。

二、架构和实施

PCL完全是一个模块化的现代C++3D点云处理库。考虑到当今CPU的效率和性能，PCL中的底层数据结构大量使用了SSE优化。其大部分数学运算的实现是基于Eigen（一个开源的线性代数代数库）。此外，PCL还提供了对OpenMP（请参阅http://openmp.org）和Intel线程构建模块（TBB）库的支持，以实现多核并行化。快速k最近邻搜索算法的主干是由FLANN提供（一个执行快速近似最近邻搜索的库） 。PCL中的所有模块和算法均通过使用B