【译】PCL官网教程翻译(3):初识基本结构-tutorials：Getting Started / Basic Structures

英文原网页查看。

修订：20201115

初识基本结构

PCL 1.x中的基本数据类型是 pcl:‘PointCloud<pcl::PointCloud>’。PointCloud是一个c++类，它包含以下数据字段:

• :pcl:‘width<pcl::PointCloud::width>’(int)
  指定点云数据集的宽度。宽度有两个含义:
  – 无序点云数据集的总点数(等于点的元素数——参见下面);
  – 有序点云数据集的宽度(一行中点的个数)。

注意:
有序点云( organized point cloud)数据集是指类似于有序图像(或矩阵)的结构的点云，其数据被分成行和列。这种点云包括来双目摄像机或TOF摄像机的数据。有序数据集的优点是了解相邻点(如像素)之间的关系，最近邻操作的效率更高，从而加快了计算速度，降低了PCL中某些算法的成本。

注意:
投影点云( projectable point cloud)数据集是指根据针孔相机模型，有序点云中点的(u,v)索引与实际三维值之间具有相关性。这种相关性可以用最简单的形式表示为:u = fx/z和 v = fy/z

–范例

cloud.width = 640; //每行有640个点

• :pcl:‘height<pcl::PointCloud::height>’(int)
  指定点云数据集的高度(以点的数量为单位)。高度有两个含义:
  – 有序点云数据集的高度(总行数);
  – 对于无序数据集，它被设置为1(因此可用于检查是否为有序数据集)。

–范例

cloud.width = 640; //类似图片的组织结构，有480行640列
cloud.height = 480; //因此数据集共有640*480 = 307200个点

–范例

cloud.width = 307200; 
cloud.height = 1; //有307200个点的无序点云数据集

• :pcl:‘points<pcl::PointCloud::points>’(std::vector<PointT>)
  包含存储了PointT类型的数据数组。例如，对于包含XYZ坐标数据，点云是容纳pcl::PointXYZ元素的向量:

pcl::PointCloud<pcl::PointXYZ> cloud;
std::vector<pcl::PointXYZ> data = cloud.points;

• :pcl:‘is_dense<pcl::PointCloud::is_dense>’(bool)
  –指定是否点中的所有数据都是有限的(有效)，或者某些点的XYZ值是否可能包含Inf/NaN值(无效)。
• :pcl:‘sensor_origin_<pcl::PointCloud::sensor_origin_>’(Eigen::Vector4f)
  –指定采集传感器姿态(原点/平移)。这个成员通常是可选的，PCL中的大多数算法都不使用它。
• :pcl:‘sensor_orientation_<pcl::PointCloud::sensor_orientation_>’(Eigen::Quaternionf)
  –指定传感器采集姿态(四元数)。这个成员通常是可选的，PCL中的大多数算法都不使用它。

为了简化开发，:pcl:‘PointCloud’<pcl::PointCloud> 类包含许多帮助性质函数。例如，用户不需要在代码中检查height是否等于1来查看数据集是否有序，而是使用 :pcl:‘PointCloud’<pcl::PointCloud::isOrganized>:

if (!cloud.isOrganized ())
  ...

PointT类型是基本的point数据类型，它描述了:pcl:'points<pcl::PointCloud::points>'的每个单独元素所包含的内容。PCL附带了大量不同的point类型，大多数在添加自定义PointT类型中进行了解释。

编译您的第一个代码示例

在我们找到正确的最小代码示例之前，请查看在您自己的项目中使用PCL和编写新的PCL类教程，以了解如何编译和编写用于或使用PCL的代码。