点云库（PCL）学习——Advanced Usage（一）

最新推荐文章于 2024-05-21 10:02:34 发布

Michael_Wang9898

最新推荐文章于 2024-05-21 10:02:34 发布

阅读量362

点赞数

分类专栏：三维点云文章标签： c++

原文链接：https://pcl.readthedocs.io/projects/tutorials/en/latest/adding_custom_ptype.html#adding-custom-ptype

版权

三维点云专栏收录该内容

11 篇文章 0 订阅

订阅专栏

添加自定义的PointT类型

这篇文档只适用于PCL0.x和1.x版本。

PCL提供了各种预定义的点类型，从XYZ数据的SSE对齐结构到更复杂的n维直方图表示，如PFH（点特征直方图）。这些类型应该足够支持所有的在PCL中实现的算法以及方法。然而，仍然存在一些情况需要使用者自行定义新的类型。

PS:SSE对齐结构意思应该是说定义结构体时，X、Y、Z的数据类型都是一样的——译者注

1. 为什么使用PointT 类型

PCL的PointT可以追溯到ROS内部开发的一个库的时代。当时存在一个共识，点云是一个复杂的n-D结构，需要能够表示不同类型的信息。但是，用户应该知道并理解需要传递哪些类型的信息，以便使代码更易于调试、考虑优化等。
这里列举了一个例子，对XYZ数据简单操作。对于支持SSE的处理器，最有效的方法是将3个维度存储为浮点，然后使用额外的浮点进行填充：

struct PointXYZ
{
  float x;
  float y;
  float z;
  float padding;
};

然而，作为一个例子，如果用户正在嵌入式平台上编译PCL，添加额外的填充可能会浪费内存。因此，可以使用没有最后一个浮点的更简单的PointXYZ结构。
此外，如果应用程序需要一个包含XYZ 3D数据、RGBA信息（颜色）和每个点估计的曲面法线的PointXYZRGBNormal，那么使用上述所有内容定义结构就很简单了。由于PCL中的所有算法都应该模板化，因此除了结构定义之外，不需要进行其他更改。

2.PCL中有哪些PointT类型

为了囊括所有我们能想到的情况，我们定义了许多point类型。下面仅为一小段代码，完整部分请看point_types.hpp。

PointXYZ
这是最常用的一种数据类型，它表示了三维xyz的信息。用户可以通过例如：points[i].data[0]或points[i].x来获取x坐标。

union
{
  float data[4];
  struct
  {
    float x;
    float y;
    float z;
  };
};

PointXYZI
简单XYZ+强度点类型。在理想情况下，这4个组件将创建一个单一的结构，SSE对齐。但是，由于大多数点操作都会将data[4]数组的最后一个组成部分（从xyz联合体）设置为0或1（用于变换），因此不能将强度设置为同一结构的成员，因为其内容将被覆盖。例如，两点之间的点积将其第4个分量设置为0，否则点积就没有意义，等等。

union
{
  float data[4];
  struct
  {
    float x;
    float y;
    float z;
  };
};
union
{
  struct
  {
    float intensity;
  };
  float data_c[4];
};

PointXYZRGBA
与PointXYZI类似，只不过rgba包含了打包成无符号32位整型数的RGBA信息。根据联合体声明，通过名字单独获取颜色通道也是可以实现的。

union
{
  float data[4];
  struct
  {
    float x;
    float y;
    float z;
  };
};
union
{
  union
  {
    struct
    {
      std::uint8_t b;
      std::uint8_t g;
      std::uint8_t r;
      std::uint8_t a;
    };
    float rgb;
  };
  std::uint32_t rgba;
};

PointXYZRGB
float x, y, z; std::uint32_t rgba;
与PointXYZRGBA类似
PointXY
float x, y;
简单的二维point 结构

struct
{
  float x;
  float y;
};

InterestPoint
float x, y, z, strength;
与PointXYZI类似，只不过strength包含了关键点（keypoint）的强度度量值。

union
{
  float data[4];
  struct
  {
    float x;
    float y;
    float z;
  };
};
union
{
  struct
  {
    float strength;
  };
  float data_c[4];
};

Normal
float normal[3], curvature;
另外一种常用的数据类型，Normal结构表示在给定点处面的法向量以及曲率的度量值（与曲面面片的特征值之间的关系在同一调用中获得–详情请看NormalEstimation class API）。
因为在PCL中，对曲面法线的操作非常常见，所以我们用第四个组件填充这3个组件，以实现SSE对齐和计算效率。用户可以通过points[i].data_n[0]或者points[i].normal[0]或者points[i].normal_x来获取法向量的第一个坐标。同样，曲率不能存储在同一个结构中，因为它会被正常数据上的操作覆盖。

union
{
  float data_n[4];
  float normal[3];
  struct
  {
    float normal_x;
    float normal_y;
    float normal_z;
  };
}
union
{
  struct
  {
    float curvature;
  };
  float data_c[4];
};

PointNormal
float x, y, z; float normal[3], curvature;
包含XYZ数据，以及表面法线和曲率。

union
{
  float data[4];
  struct
  {
    float x;
    float y;
    float z;
  };
};
union
{
  float data_n[4];
  float normal[3];
  struct
  {
    float normal_x;
    float normal_y;
    float normal_z;
  };
};
union
{
  struct
  {
    float curvature;
  };
  float data_c[4];
};

PointXYZRGBNormal
float x, y, z, normal[3], curvature; std::uint32_t rgba;
包含XYZ数据，RGBA颜色，以及表面法线和曲率。

union
{
  float data[4];
  struct
  {
    float x;
    float y;
    float z;
  };
};
union
{
  float data_n[4];
  float normal[3];
  struct
  {
    float normal_x;
    float normal_y;
    float normal_z;
  };
}
union
{
  struct
  {
    union
    {
      union
      {
        struct
        {
          std::uint8_t b;
          std::uint8_t g;
          std::uint8_t r;
          std::uint8_t a;
        };
        float rgb;
      };
      std::uint32_t rgba;
    };
    float curvature;
  };
  float data_c[4];
};

PointXYZINormal
float x, y, z, intensity, normal[3], curvature;
包含XYZ，强度值，表面法线和曲率

union
{
  float data[4];
  struct
  {
    float x;
    float y;
    float z;
  };
};
union
{
  float data_n[4];
  float normal[3];
  struct
  {
    float normal_x;
    float normal_y;
    float normal_z;
  };
}
union
{
  struct
  {
    float intensity;
    float curvature;
  };
  float data_c[4];
};

（下面略）

PointWithRange
PointWithViewpoint
MomentInvariants
PrincipalRadiiRSD
Boundary
PrincipalCurvatures
PFHSignature125
FPFHSignature33
VFHSignature308
Narf36
BorderDescription
IntensityGradient
Histogram
PointWithScale
PointSurfel

3.点的类型是如何暴露的？（How are the point types exposed?）

由于PCL模板非常多，并且在一个模板库，在一个源文件中包含许多的PCL算法会降低编译过程的速度。
为了加快包含和链接PCL的用户代码的速度，我们使用显式模板实例化，包括所有可能的组合，在这些组合中，可以使用PCL中已经定义的点类型调用所有算法。这意味着，一旦PCL被编译为库，任何用户代码都不需要编译模板代码，从而加快了编译速度。诀窍包括将模板化实现与前向声明类和方法的头分离，并在链接时解析。下面是一个虚构的例子：

// foo.h

#ifndef PCL_FOO_
#define PCL_FOO_

template <typename PointT>
class Foo
{
  public:
    void
    compute (const pcl::PointCloud<PointT> &input,
             pcl::PointCloud<PointT> &output);
}

#endif // PCL_FOO_

上面这段代码定义了头文件，通常包含在所有用户的代码里。如我们所见，我们正在定义方法和类，但是我们还没有实现任何东西。

// impl/foo.hpp

#ifndef PCL_IMPL_FOO_
#define PCL_IMPL_FOO_

#include "foo.h"

template <typename PointT> void
Foo::compute (const pcl::PointCloud<PointT> &input,
              pcl::PointCloud<PointT> &output)
{
  output = input;
}

#endif // PCL_IMPL_FOO_

上边的代码定义了实际的方法Foo::compute的模板实现。这个一般应该从用户代码中隐藏。

// foo.cpp

#include "pcl/point_types.h"
#include "pcl/impl/instantiate.hpp"
#include "foo.h"
#include "impl/foo.hpp"

// Instantiations of specific point types
PCL_INSTANTIATE(Foo, PCL_XYZ_POINT_TYPES));

最后，上面展示了在PCL中显式实例化的方式。宏“PCL_INSTANTIATE”除了遍历给定类型列表并为每个类型创建显式实例化外，什么都没有。
From pcl/include/pcl/impl/instantiate.hpp:

// PCL_INSTANTIATE: call to instantiate template TEMPLATE for all
// POINT_TYPES

#define PCL_INSTANTIATE_IMPL(r, TEMPLATE, POINT_TYPE) \
  BOOST_PP_CAT(PCL_INSTANTIATE_, TEMPLATE)(POINT_TYPE)

#define PCL_INSTANTIATE(TEMPLATE, POINT_TYPES)        \
  BOOST_PP_SEQ_FOR_EACH(PCL_INSTANTIATE_IMPL, TEMPLATE, POINT_TYPES);

PCL_XYZ_POINT_TYPES is (from pcl/include/pcl/impl/point_types.hpp):

// Define all point types that include XYZ data
#define PCL_XYZ_POINT_TYPES   \
  (pcl::PointXYZ)             \
  (pcl::PointXYZI)            \
  (pcl::PointXYZRGBA)         \
  (pcl::PointXYZRGB)          \
  (pcl::InterestPoint)        \
  (pcl::PointNormal)          \
  (pcl::PointXYZRGBNormal)    \
  (pcl::PointXYZINormal)      \
  (pcl::PointWithRange)       \
  (pcl::PointWithViewpoint)   \
  (pcl::PointWithScale)

基本上，如果只想显式实例化pcl:：PointXYZ的Foo，则不需要使用宏，如下所示：

// foo.cpp

#include "pcl/point_types.h"
#include "pcl/impl/instantiate.hpp"
#include "foo.h"
#include "impl/foo.hpp"

template class Foo<pcl::PointXYZ>;

4.如何添加一个新的PointT类型

要添加一个新的point type，首先应该定义。比如：

struct MyPointType
{
  float test;
};

接下来，你需要确定你的代码包含了在PCL中你希望你的新point type‘MyPointType’所使用的模板头文件的实现。（Then, you need to make sure your code includes the template header implementation of the specific class/algorithm in PCL that you want your new point type MyPointType to work with.）
例如，你想使用pcl::PassThrough。你所需要做得全部就是：

#define PCL_NO_PRECOMPILE
#include <pcl/filters/passthrough.h>
#include <pcl/filters/impl/passthrough.hpp>

// the rest of the code goes here

如果您的代码是库的一部分，而库被其他人使用，那么对于您公开的任何类（从PCL到我们的外部PCL），尝试对MyPointType类型使用显式实例化也是有意义的。

5 Example

下面的代码段示例创建了一个新的点类型，该点类型包含XYZ数据（SSE填充）和一个测试浮点。

#define PCL_NO_PRECOMPILE
#include <pcl/memory.h>
#include <pcl/pcl_macros.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/io/pcd_io.h>

struct MyPointType
{
  PCL_ADD_POINT4D;                  // preferred way of adding a XYZ+padding
  float test;
  PCL_MAKE_ALIGNED_OPERATOR_NEW     // make sure our new allocators are aligned
} EIGEN_ALIGN16;                    // enforce SSE padding for correct memory alignment

POINT_CLOUD_REGISTER_POINT_STRUCT (MyPointType,           // here we assume a XYZ + "test" (as fields)
                                   (float, x, x)
                                   (float, y, y)
                                   (float, z, z)
                                   (float, test, test)
)


int
main (int argc, char** argv)
{
  pcl::PointCloud<MyPointType> cloud;
  cloud.points.resize (2);
  cloud.width = 2;
  cloud.height = 1;

  cloud[0].test = 1;
  cloud[1].test = 2;
  cloud[0].x = cloud[0].y = cloud[0].z = 0;
  cloud[1].x = cloud[1].y = cloud[1].z = 3;

  pcl::io::savePCDFile ("test.pcd", cloud);
}

Michael_Wang9898

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
点云库（PCL）学习——Advanced Usage（一）

1. 添加自定义的PointT类型这篇文档只适用于PCL0.x和1.x版本。PCL提供了各种预定义的点类型，从XYZ数据的SSE对齐结构到更复杂的n维直方图表示，如PFH（点特征直方图）。这些类型应该足够支持所有的在PCL中实现的算法以及方法。然而，仍然存在一些情况需要使用者自行定义新的类型。PS:SSE对齐结构意思应该是说定义结构体时，X、Y、Z的数据类型都是一样的——译者注1. 为什么使用PointT 类型PCL的PointT可以追溯到ROS内部开发的一个库的时代。当时存在一个共识，点云是
复制链接

扫一扫

专栏目录