点云PCL学习思路梳理

---

前言

现在点云处理的学习是十分必要的，关系到自动驾驶、三维重建、测绘、AR等领域的学习。所以在这里记录一下学习的过程，当然因为现有的博主学习资料相当详细。这里只做资料的收集和错误的记录。

---

一、PCL是什么？

PCL（Point Cloud Library）是用于2D / 3D图像和点云处理的大型开源跨平台的C++编程库。 PCL框架实现了大量点云相关的通用算法和高效的数据结构。内容涉及了点云的获取、滤波、分割、配准、检索、特征提取、特征估计，表面重建、识别、模型拟合、追踪、曲面重建、可视化等等，这些算法可用于从嘈杂的数据中过滤出异常值，将3D点云缝合在一起，分割场景的部分区域，提取关键点并计算描述符，根据物体的几何外观识别实际物体，创建表面点云并将其可视化。支持多种操作系统，可以在Windows、Linux、MacOS X、Android、部分嵌入式实时系统上运行。

如果说OpenCV是2D信息获取与处理的结晶，那么PCL就在3D信息获取与处理上也具有相同的地位。相比图像数据，点云数据多了一个维度，因此能够更全面的刻画三维场景中的对象。随着智能机器人，包括机械臂，无人汽车，无人机，服务机器人等快速普及和应用，点云处理及其背后的3D视觉，正在成为一个越来越重要且越来越活跃的领域。

此外，PCL是BSD授权方式，可以进行完全免费的商业和学术应用。

二、学习资料

1.大佬资料总结

https://www.yuque.com/huangzhongqing/pcl/qiqtem
实在是太过详细！！！
所以我就不献丑了，跟着学就行。先把b站跟做过一遍，然后开始敲代码！！！

这里面黑马机器人的课程也挺有意思的。

总结

仍旧是老调重弹，还是需要动手，光看是没有用的。