用pcl读ply文件_PCL基础

1. 点云数据类型
2. 点云格式-pcd
3. 向pcd文件写入点云数据
4. 从pcd文件读取点云
5. kd-tree 的实现
6. 基于octree的空间划分及搜索操作

点云数据类型

1.点云定义

根据激光测量原理得到的点云，包括三维坐标（XYZ）和激光反射强度（Intensity）。
根据摄影测量原理得到的点云，包括三维坐标（XYZ）和颜色信息（RGB）。
结合激光测量和摄影测量原理得到点云，包括三维坐标（XYZ）、激光反射强度（Intensity）和颜色信息（RGB）。
在获取物体表面每个采样点的空间坐标后，得到的是一个点的集合，称之为“点云”(Point Cloud)。
点云存储格式有很多：*.pts; *.asc ; *.dat; *.stl ; [1]  *.imw；*.xyz；*.las
LAS格式文件已成为LiDAR数据的工业标准格式，LAS文件按每条扫描线排列方式存放数据,包括激光点的三维坐标、多次回波信息、强度信息、扫描角度、分类信息、飞行航带信息、飞行姿态信息、项目信息、GPS信息、数据点颜色信息等。

2. PCL中点云数据类型

点云数据分为有序与无序两种类型：

最基本的数据类型就是PointCloud了。它是一个C++类，包含了如下的数据成员（括号中是这个数据的数据类型）：

（1）width(int) ：指定了点云数据中的宽度。width有两层含义：

- 对于无序点云而言， 指的是点云的数量。

- 在有序点云中，一行点云的数量。

（2）height(int) ：指定了点云数据中的高度。height有两层含义：

• 指定有序点云中，点云行的数量。
• 对于无序点云，将height设为1（它的width即为点云的大小），区分点云是否有序。

（3）points(std::vector) ：points是存储类型为PointT的点的向量。举例来说，对于一个包含XYZ数据的点云，points成员就是由pcl::PointXYZ类型的点构成的向量：

（4）is_dense(bool) ：
指定点云中的所有数据都是有限的（true），还是其中的一些点不是有限的，它们的XYZ值可能包含inf/NaN 这样的值（false）。

（5）sensor_origin_(Eigen::Vector4f) ：
指定传感器的采集位姿（==origin/translation==）这个成员通常是可选的，并且在PCL的主流算法中用不到。

（6）sensor_orientaion_(Eigen::Quaternionf) ：
指定传感器的采集位姿（方向）。这个成员通常是可选的，并且在PCL的主流算法中用不到。
为了简化开发，PointCloud类包含许多帮助成员函数。举个例子，如果你想判断一个点云是否有序，不用检查height是否等于1，而可以使用isOrganized()函数来判断：

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

上面所说pcl::PointCloud包含一个域，他作为点的容器，这个域是PointT类型的是pcl::PointCloud类的模板参数，定义了点云的存储类型。

接下来介绍几种常用的点云类型：

（1）pcl::PointCloud<pcl::PointXYZ>  //PointXYZ 成员：float x，y，z;表示了xyz3D信息，可以通过points[i].data[0]或points[i].x访问点X的坐标值
（2）pcl::PointCloud<pcl::PointXYZI>  //PointXYZI成员：float x, y, z, intensity; 表示XYZ信息加上强度信息的类型。
（3）pcl::PointCloud<pcl::PointXYZRGB>  //PointXYZRGB 成员：float x,y,z,rgb; 表示XYZ信息加上RGB信息࿰