学习PCL库你应该知道的C++特性

要学会PCL首先要对C++进行学习,所以这里我们首先对PCL库的代码中常见的C++的技巧进行整理和概述,并且对其中的难点进行细化讲解。首先我们搞清楚PCL库的文件形式、是一个以CMake构建的项目,库中主要以cpp,.h,.hpp文件三种文件形式。那我们知道cpp是C++工程中函数实现的代码,以下是根据PCL库中的代码中常用的C++特征。基本介绍请查看文章:点云及PCL编程基础

.h和.hpp文件的区别

与*.h类似,hpp是C++程序头文件,其实质是将cpp中的实现代码放在.hpp文件中,定义与实现都包含在同一个文件中,在使用的时候只需要include 该hpp文件即可,无需将cpp加入到项目中进行编译,而实现代码将直接编译到调用者的obj文件中,不再单独生成obj,采用hpp将大幅度的减少调用项目中cpp文件数和编译次数,也不用发布lib或者dll,因此非常适合用来编写公开的开源库。

该文件具有的特点:

  • .hpp与.h文件类似,hpp也是C++程序的头文件。

  • 是一般模板类的头文件

  • 一般来说。.h文件只有申明,没有函数的实现,.hpp里申明与实现都有,后者可以减少cpp的数量

  • *.h里面可以有using namespace std,而*.hpp里尽量不要出现。

  • *.hpp要注意的问题有:

不可包含全局对象和全局函数:由于hpp本质上是作为.h被调用者include,所以当hpp文件中存在全局对象或者全局函数,而该hpp被多个调用者include时,将在链接时导致符号重定义错误。要避免这种情况,需要去除全局对象,将全局函数封装为类的静态方法。

之间不可循环调用:在.h和.cpp的场景中,当两个类或者多个类之间有循环调用关系时,只要预先在头文件做被调用类的声明即可。在hpp场景中,由于定义与实现都已经存在于一个文件,调用者必需明确知道被调用者的所有定义,而不能等到cpp中去编译。因此hpp中必须整理类之间调用关系,不可产生循环调用。

不可使用静态成员:静态成员的使用限制在于如果类含有静态成员,则在hpp中必需加入静态成员初始化代码,当该hpp被多个文档include时,将产生符号重定义错误。唯 一的例外是const static整型成员。

#progma once 与ifndef的区别

为了避免同一个文件被include 多次,在能够支持这两种方式的编译器上,二者并没有太大的区别,但是两者仍然还是有一些细微的区别。

  • #ifndef的方式依赖于宏名字不能冲突,这不光可以保证同一个文件不会被包含多次,也能保证内容完全相同的两个文件不会被不小心同时包含。当然,缺点就是如果不同头文件的宏名不小心"撞车",可能就会导致头文件明明存在,编译器却硬说找不到声明的状况

  • #pragma once则由编译器提供保证:同一个文件不会被包含多次。注意这里所说的"同一个文件"是指物理上的一个文件,而不是指内容相同的两个文件。带来的好处是,你不必再费劲想个宏名了,当然也就不会出现宏名碰撞引发的奇怪问题。对应的缺点就是如果某个头文件有多份拷贝,本方法不能保证他们不被重复包含。当然,相比宏名碰撞引发的"找不到声明"的问题,重复包含更容易被发现并修正。

方式一由语言支持所以移植性好,方式二 可以避免名字冲突

C++模块类

模板是C++支持参数化多态的工具,使用模板可以使用户为类或者函数申明一种一般的模式,使得类中的某些数据成员或者成员函数的参数,返回值取得任意类型。

模板是一种对类型进行参数化的工具,通常有两种形式:函数模板和类模板。

函数模板针对仅参数类型不同的函数,类模板针对仅数据成员和成员函数类型不同的类。

注意:模板的申明或者定义智能在全局,命名空间或者类范围内进行,既不能在局部范围,函数内进行,比如不能在主函数中申请或者定义一个模板。

比如在common/centroid.h文件中

  template <typename PointT, typename Scalar> inline unsigned int
  compute3DCentroid (ConstCloudIterator<PointT> &cloud_iterator,
                     Eigen::Matrix<Scalar, 4, 1> &centroid);

其中类模板和函数模板都是以template开始后接模板形参列表组成,模板形参不能为空,一但声明了类模板就可以用类模板的形参名声明类中的成员变量和成员函数,即可以在类中使用内置类型的地方都可以使用模板形参名来声明。

inline函数的作用

在C++中, 为了解决一些频繁调用的小涵数大量消耗栈空间或者是叫栈内存的问题,特别的引入了inline修饰符,表示为内联涵数。

inline的使用时有所限制的,inline只适合函数体内部代码简单的函数使用,不能包含复杂的结构控制语句例如while、switch,并且不能内联函数本身不能是直接递归函数(即,自己内部还调用自己的函数)。

关键字inline 必须与函数定义体放在一起才能使函数成为内联,仅将inline 放在函数声明前面不起任何作用。

extern“C”的作用

extern "C"的真实目的是实现类C和C++的混合编程。extern “C”是由C++提供的一个连接交换指定符号,用于告诉C++这段代码是C函数。extern “C”后面的函数不使用的C++的名字修饰,而是用C。这是因为C++编译后库中函数名会变得很长,与C生成的不一致,造成C++不能直接调用C函数。

#define PCL_EXPORTS __declspec(dllexport)

一般而言,动态链接库中定义有两种函数:导出函数(export function)和内部函数(internal function)。导出函数可以被其它模块调用,内部函数在定义它们的DLL程序内部使用。在要输出的函数、类、数据的声明前加上__declspec(dllexport)的修饰符,表示输出,导入修饰__declspec(dllimport),声明某个类、函数是从dll中导入的。

资源

三维点云论文及相关应用分享

【点云论文速读】基于激光雷达的里程计及3D点云地图中的定位方法

3D目标检测:MV3D-Net

三维点云分割综述(上)

3D-MiniNet: 从点云中学习2D表示以实现快速有效的3D LIDAR语义分割(2020)

win下使用QT添加VTK插件实现点云可视化GUI

JSNet:3D点云的联合实例和语义分割

大场景三维点云的语义分割综述

PCL中outofcore模块---基于核外八叉树的大规模点云的显示

基于局部凹凸性进行目标分割

基于三维卷积神经网络的点云标记

点云的超体素(SuperVoxel)

基于超点图的大规模点云分割

更多文章可查看:点云学习历史文章大汇总

SLAM及AR相关分享

【开源方案共享】ORB-SLAM3开源啦!

【论文速读】AVP-SLAM:自动泊车系统中的语义SLAM

【点云论文速读】StructSLAM:结构化线特征SLAM

SLAM和AR综述

常用的3D深度相机

AR设备单目视觉惯导SLAM算法综述与评价

SLAM综述(4)激光与视觉融合SLAM

Kimera实时重建的语义SLAM系统

SLAM综述(3)-视觉与惯导,视觉与深度学习SLAM

易扩展的SLAM框架-OpenVSLAM

高翔:非结构化道路激光SLAM中的挑战

SLAM综述之Lidar SLAM

基于鱼眼相机的SLAM方法介绍

往期线上分享录播汇总

第一期B站录播之三维模型检索技术

第二期B站录播之深度学习在3D场景中的应用

第三期B站录播之CMake进阶学习

第四期B站录播之点云物体及六自由度姿态估计

第五期B站录播之点云深度学习语义分割拓展

第六期B站录播之Pointnetlk解读

[线上分享录播]点云配准概述及其在激光SLAM中的应用

[线上分享录播]cloudcompare插件开发

[线上分享录播]基于点云数据的 Mesh重建与处理

[线上分享录播]机器人力反馈遥操作技术及机器人视觉分享

[线上分享录播]地面点云配准与机载点云航带平差

如果你对本文感兴趣,请点击“原文阅读”获取知识星球二维码,务必按照“姓名+学校/公司+研究方向”备注加入免费知识星球,免费下载pdf文档,和更多热爱分享的小伙伴一起交流吧!

以上内容如有错误请留言评论,欢迎指正交流。如有侵权,请联系删除

扫描二维码

                   关注我们

让我们一起分享一起学习吧!期待有想法,乐于分享的小伙伴加入免费星球注入爱分享的新鲜活力。分享的主题包含但不限于三维视觉,点云,高精地图,自动驾驶,以及机器人等相关的领域。

分享及合作:群主微信“920177957”(需要按要求备注) 联系邮箱:dianyunpcl@163.com,欢迎企业来联系公众号展开合作。

点一下“在看”你会更好看耶

PCL(Point Cloud Library)是一个开源的,主要用于处理三维点云数据。以下是关于PCL安装的简要介绍。 首先,要安装PCL要满足以下的系统要求: 1. 操作系统:PCL可以在Windows、Linux和Mac OS X上安装和运行。 2. C++编译器:推荐使用支持C++11标准的编译器,如GCC 4.8及以上版本。 接下来,我们将讨论在不同的操作系统上如何安装PCL: 在Windows上安装PCL: 1. 在PCL的官方网站(https://pointclouds.org/downloads/)上下载PCL的预编译二进制文件。 2. 根据你的操作系统和编译器版本,选择相应的二进制文件进行下载。 3. 安装下载的二进制文件,按照提示进行安装即可。 在Linux上安装PCL: 1. 打开终端,运行以下命令安装PCL依赖:sudo apt-get install libpcl-dev 2. 这将自动安装PCL的所有依赖项,并使其可用于开发。 在Mac OS X上安装PCL: 1. 打开终端,运行以下命令安装Homebrew包管理器:/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)" 2. 在终端中运行以下命令安装PCL:brew install pcl 当安装完成后,你可以使用PCL进行三维点云数据的处理和分析。在编译你的程序时,要将PCL链接到你的项目中。具体的链接方法可以参考PCL的官方文档或在线资源。 总之,安装PCL要根据操作系统的不同进行不同的安装步骤。通过遵循相应的安装指南,你可以成功安装和使用PCL来处理三维点云数据。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

点云PCL公众号博客

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值