利用C++实现PCL点云可视化：示例程序及解析（持续更新）

  【版权声明】
本文为博主原创文章，未经博主允许严禁转载，我们会定期进行侵权检索。   

参考书籍：《人工智能点云处理及深度学习算法》

 本文为专栏《Python三维点云实战宝典》系列文章，专栏介绍地址“【python三维深度学习】python三维点云从基础到深度学习_python3d点云从基础到深度学习-CSDN博客”。配套书籍《人工智能点云处理及深度学习算法》提供更加全面和系统的解析。

        随着三维数据处理的兴起，点云技术在各个领域中得到了广泛应用。Point Cloud Library（PCL）作为一个强大的开源库，提供了丰富的点云处理工具和算法，同时也支持点云的可视化功能。本文将展示如何使用 C++ 结合 PCL 库来实现简单的点云可视化，并提供一个基本的示例程序框架。

1 基本示例程序

        1.1 示例程序

        示例点云rabbit.pcd下载地址为https://download.csdn.net/download/suiyingy/85129456。

/*
更多python与C++技巧、三维算法、深度学习算法总结、大模型请关注我的博客，欢迎讨论与交流：https://blog.csdn.net/suiyingy，或”乐乐感知学堂“公众号。Python三维领域专业书籍推荐：《人工智能点云处理及深度学习算法》。
*/
#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/visualization/cloud_viewer.h>

int main (int argc, char** argv)
{
  // 读取.pcd文件
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
  if (pcl::io::loadPCDFile<pcl::PointXYZ> ("../../rabbit.pcd", *cloud) == -1) //* 读入PCD文件
  {
    PCL_ERROR ("Couldn't read file example_cloud.pcd \n");
    return (-1);
  }
  std::cout << "Loaded "
            << cloud->width * cloud->height
            << " data points from rabbit.pcd with the following fields. "
            << std::endl;

   // 创建可视化对象
    pcl::visualization::CloudViewer viewer("Simple Cloud Viewer");

    // 显示点云
    viewer.showCloud(cloud);

    // 等待直到窗口关闭
    while (!viewer.wasStopped())
    {
    }

  return 0;
}

        1.2 运行结果

2 法向量显示

// 可视化点云和法向量
boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("Point Cloud Viewer"));
viewer->setBackgroundColor(0, 0, 0);
viewer->addPointCloud<pcl::PointXYZ>(cloud, "point_cloud");

// 设置法向量可视化参数
viewer->addPointCloudNormals<pcl::PointXYZ, pcl::Normal>(cloud, cloud_normals, 10, 0.8, "normals"); // 第4个参数是每个法向量的间隔，第5个参数是法向量的长度比例因子
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_LINE_WIDTH, 3, "normals");
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_COLOR, 1.0, 0.0, 0.0, "normals"); // 设置法向量颜色为红色

        在 addPointCloudNormals 方法中，第五个参数是法向量的长度比例因子。您可以调整这个值来增加或减少法向量箭头的长度。在这个示例中，我们将其设置为 0.8，这意味着法向量的长度将与其实际大小成比例，但是缩小了 0.8 倍以便更好地在可视化中展示。您可以根据需要调整这个值来获得适合您数据的法向量长度。  

3 持续更新更多细节

        本文将持续更新与补充。

【版权声明】
本文为博主原创文章，未经博主允许严禁转载，我们会定期进行侵权检索。  

更多python与C++技巧、计算机视觉基础到实践完整指南、三维算法、深度学习算法总结、大模型请关注我的博客，欢迎讨论与交流：https://blog.csdn.net/suiyingy，或”乐乐感知学堂“公众号。Python三维领域专业书籍推荐：《人工智能点云处理及深度学习算法》。

本文为专栏《Python三维点云实战宝典》系列文章，专栏介绍地址“【python三维深度学习】python三维点云从基础到深度学习_python3d点云从基础到深度学习-CSDN博客”。配套书籍《人工智能点云处理及深度学习算法》提供更加全面和系统的解析。