python pcl icp_pcl&&python-pcl

PCL

http://www.pointclouds.org/documentation/tutorials/#filtering-tutorial

每个模块点击进去后，有demo可以查看

源码编译打开option开关with_docs true，生成html文档

PCD

width、height绘制的网格中，height>1有序点云，height==1无序点云

sensor_origin_ 中心点

sensor_orientation_ 模型矩阵

point类型(体素类型)，不同类型的点数据，加载出来的图像不同

PointXYZ 常用无色点云数据

PointXYZI i表示强度(intensity)，距离越近强度越高

PointXYZRGB RGB颜色使用float存储，彩色点云

filed:concatenateFields拼接点云的数据坐标和法线数据等 PointCloud–>PointCloudNormal

点云数据合并 a+b=c点云

ply

pcl支持pcd和ply文件，meshlab支持ply

Segment

欧几里德

std::vectorcluster_indices;

//欧式分割器

pcl::EuclideanClusterExtractionec;

ec.setClusterTolerance (0.02); // 2cm

ec.setMinClusterSize (100);

ec.setMaxClusterSize (25000);

//搜索策略树

ec.setSearchMethod (tree);

ec.setInputCloud (cloud_filtered);

ec.extract (cluster_indices);

区域生长

//一个点云团队列，用于存放聚类结果

std::vector clusters;

//区域生长分割器

pcl::RegionGrowingreg;

//输入分割目标

reg.setSearchMethod (tree);

reg.setNumberOfNeighbours (30);

reg.setInputCloud (cloud);

//reg.setIndices (indices);

reg.setInputNormals (normals);

//设置限制条件及先验知识

reg.setMinClusterSize (50);

reg.setMaxClusterSize (1000000);

reg.setSmoothnessThreshold (3.0 / 180.0 * M_PI);

reg.setCurvatureThreshold (1.0);

reg.extract (clusters);

ransac随机抽样一致算法(类似最小而乘法的拟合算法，抗燥能力较强)，存在不确定性(不一定拟合)，为了提高准确度需要提高迭代次数

pcl::SACSegmentationseg;

seg.setOptimizeCoefficients (true);

seg.setModelType (pcl::SACMODEL_PLANE);

seg.setMethodType (pcl::S