ROS与PCL中四种点云数据类型介绍

---

前言

这篇文章算是一种记录，也是这个系列的文章开头，后续会更新点云相关的文章

在ROS和PCL中的主要点云类型有下面这四种：

1. sensor_msgs::PointCloud2
2. sensor_msgs::PointCloud
3. pcl::PointCloud
4. pcl::PCLPointCloud2

---

下面进行每种类型的点云数据的具体介绍

1. sensor_msgs::PointCloud2

概述

sensor_msgs::PointCloud2 是 ROS 中用于表示点云数据的标准消息类型。它支持多种点字段，可以用于表示复杂的点云数据，包括 x、y、z 坐标以及其他自定义字段（如 intensity、rgb、normal_x 等）。

数据结构

• 字段定义: 使用 std::vector<sensor_msgs::PointField> 存储字段信息，每个字段描述点的数据类型、偏移量、名称等。

• 数据存储: 点数据以二进制形式存储在 std::vector<uint8_t> data 中，字段通过 PointField 来定义数据格式。

灵活性

PointCloud2 提供了高度的灵活性，允许你根据需求自定义点云的结构。你可以添加任意数量和类型的字段，适应不同的应用场景。

应用场景

PointCloud2 适用于需要传输复杂点云数据的场景，如激光雷达、RGB-D 摄像头和雷达等传感器数据的传输和处理。

优缺点

• 优点:

  • 灵活性高: 支持任意自定义字段。

  • 兼容性好: 是 ROS 标准消息格式，广泛应用于机器人和传感器系统中。

• 缺点:

  • 操作复杂: 由于数据以二进制形式存储，解析和处理字段数据相对复杂。

  • 效率问题: 在某些情况下，数据转换和传输可能不如其他结构高效。

使用样例

sensor_msgs::PointCloud2 cloud_msg;
cloud_msg.height = 1;
cloud_msg.width = 100;
cloud_msg.fields = { /* 定义字段 */ };
cloud_msg.data = { /* 存储点数据 */ };

---

2. sensor_msgs::PointCloud

概述

sensor_msgs::PointCloud 是 ROS 中较早期使用的点云消息类型，相比 PointCloud2 更为简单。它主要用于表示基本的点云数据，包含点的坐标以及附加的通道信息。

数据结构

• 点信息: points 是 std::vector<geometry_msgs::Point32> 类型，存储点的 x、y、z 坐标。

• 通道信息: channels 是 std::vector<sensor_msgs::ChannelFloat32> 类型，用于存储附加的通道数据（如 intensity、rgb 等）。

灵活性

sensor_msgs::PointCloud 结构简单，但灵活性较低，只能支持有限的字段类型（主要是坐标和一些附加通道）。

应用场景

PointCloud 常用于简单的点云处理任务，适合数据结构相对简单、字段少的点云数据。

优缺点

• 优点:

  • 简单易用: 结构直观，容易操作。

  • 处理效率高: 对于简单的点云数据，处理效率较高。

• 缺点:

  • 灵活性低: 不能自定义额外的字段，适应范围有限。

  • 已过时: 在需要处理复杂点云数据时，通常推荐使用 PointCloud2。

使用样例

sensor_msgs::PointCloud cloud_msg;
cloud_msg.points.push_back(geometry_msgs::Point32{1.0, 2.0, 3.0});
cloud_msg.channels.push_back(sensor_msgs::ChannelFloat32{"intensity", {0.5}});

下面展示一些 内联代码片。

---

3. pcl::PointCloud<T>

概述

pcl::PointCloud<T> 是 PCL（Point Cloud Library）中的模板化点云数据结构，其中 T 是点的类型（如 pcl::PointXYZ、pcl::PointXYZRGB、pcl::PointXYZI 等）。通过模板参数 T，你可以定义点云数据的格式，包括哪些字段（如 x、y、z、rgb 等）。

数据结构

• 点数组: 数据存储在 std::vector<T> points 中，T 类型决定了点云包含的字段和数据格式。

• 模板化设计: 通过模板参数，pcl::PointCloud<T> 可以支持多种不同的数据格式，如仅有坐标的点云（pcl::PointXYZ），或者包含颜色信息的点云（pcl::PointXYZRGB）。

灵活性

pcl::PointCloud<T> 提供了很高的灵活性，你可以通过选择不同的点类型来定义点云数据结构。这使得它非常适合在不同应用中使用，例如在同一代码库中处理不同类型的点云。

应用场景

pcl::PointCloud<T> 适用于需要高效处理特定类型点云的场景，如点云滤波、配准、特征提取等算法。PCL 提供了丰富的算法库，可以与 pcl::PointCloud<T> 无缝集成。

优缺点

• 优点:

  • 灵活性高: 支持模板化点类型，适应不同的点云数据结构。

  • 与 PCL 集成良好: 直接与 PCL 提供的算法库兼容，处理效率高。

• 缺点:

  • 固定性强: 一旦选择了特定的点类型，转换为其他类型的点云时需要额外处理。

  • 模板复杂性: 对于复杂的点类型，模板使用可能增加代码的复杂性。

使用样例

pcl::PointCloud<pcl::PointXYZ> pcl_cloud;
pcl_cloud.points.push_back(pcl::PointXYZ{1.0, 2.0, 3.0});
pcl_cloud.width = 100;
pcl_cloud.height = 1;
pcl_cloud.is_dense = true;

---

4. pcl::PCLPointCloud2

概述

pcl::PCLPointCloud2 是 PCL 中的一种固定结构的点云数据类型，类似于 ROS 中的 sensor_msgs::PointCloud2。它不使用模板参数，而是通过字段描述符（pcl::PCLPointField）来定义点云的结构。

数据结构

• 字段定义: 使用 std::vector<pcl::PCLPointField> 来存储点云的字段信息，如 x、y、z、intensity 等。

• 数据存储: 数据以二进制形式存储在 std::vector<uint8_t> data 中，字段描述符定义了每个字段在数据中的位置和格式。

灵活性

pcl::PCLPointCloud2 具有高度灵活性，允许在运行时动态定义点云的字段。这使得它可以处理各种不同结构的点云数据，而不需要在编译时确定具体的点类型。

应用场景

pcl::PCLPointCloud2 通常用于需要与其他系统（如 ROS）的 PointCloud2 消息格式互操作的场景，或者在需要处理不确定点云结构的数据时使用。

优缺点

• 优点:

  • 通用性强: 支持动态定义点云字段，适用于多种应用场景。

  • 兼容性好: 容易与 sensor_msgs::PointCloud2 等非模板化结构互操作。

• 缺点:

  • 操作复杂: 需要手动处理字段信息和数据，代码相对复杂。

  • 效率问题: 在某些情况下，直接操作 pcl::PointCloud<T> 更为高效。

使用样例

pcl::PCLPointCloud2 pcl_cloud;
pcl_cloud.width = 100;
pcl_cloud.height = 1;
pcl_cloud.fields = { /* 定义字段 */ };
pcl_cloud.data = { /* 存储点数据 */ };

---

总结

这四种点云数据结构在不同场景下有不同的适用性：

• sensor_msgs::PointCloud2: 适用于 ROS 环境中需要灵活定义和传输复杂点云数据的场景。

• sensor_msgs::PointCloud: 适用于简单点云数据的传输和处理，结构简单但灵活性较低。

• pcl::PointCloud<T>: 适用于使用 PCL 进行高效点云处理的场景，提供模板化设计，灵活性高但固定性强。

• pcl::PCLPointCloud2: 适用于需要处理多种点云数据格式或与 ROS 的 PointCloud2 互操作的场景，提供通用性但操作相对复杂。

---