PCL库学习及ROS使用

最新推荐文章于 2024-04-01 21:25:05 发布
最新推荐文章于 2024-04-01 21:25:05 发布
阅读量1k 收藏 29
点赞数 17
文章标签： c++ 自动驾驶
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51002159/article/details/136140300
版权

PCL库学习

c_cpp_properties.json

{
    "configurations": [
        {
            "name": "Linux",
            "includePath": [
                "${workspaceFolder}/**",
                "/usr/include",
                "/usr/local/include"
            ],
            "defines": [],
            "compilerPath": "/usr/bin/gcc",
            "cStandard": "c11",
            "cppStandard": "c++17",
            "intelliSenseMode": "clang-x64"
            // "compileCommands": "${workspaceFolder}/build/compile_commands.json"
        }
    ],
    "version": 4
}

CMakeLists.txt

cmake_minimum_required(VERSION 2.6)
project(pcl_demo)

find_package(PCL 1.14 REQUIRED)

include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})

add_executable(pcl_read pcl_read.cpp)

target_link_libraries (pcl_read ${PCL_LIBRARIES})
# install(TARGETS pcl_read RUNTIME DESTINATION bin)

点云数据类型

  • pcl::PointXYZ：最简单也可能是最常用到的点类型；它只储存了3Dxyz的信息。
  • pcl::PointXYZI：除上面XYZ内容外还包含了一个描述点亮度（intensity）的字段。当想要获取传感器返回的亮度高于一定级别的点时非常有用。还有与此相似的其他两种标准的点数据类型：一是pcl::nterestPoint，它有一个字段储存强度（strength）；二是pcl::PointWithRange；它有一个字段储存距离（视点到采样点）。 pcl::PointXYZRGBA：这种点类型储存3D信息，也储存颜色（RGB＝Red，Green， Blue）和透明度（A＝Alpha）。
  • pcl::PointXYZRGB：这种点类型与前面的点类型相似，但是它没有透明度字段。
  • pcl::Normal：这是最常用的点类型，表示曲面上给定点处的法线以及测量的曲率。
  • pcl::PointNormal：这种点类型跟前一个点类型一样；它包含了给定点所在曲面法线以及曲率信息，但是它也包含了点的3Dxyz坐标。这种点类型的变异类型是PointXYZRGBNormal和 PointXYZINormal，正如名字所提示，它们包含了颜色（前者）和亮度（后者）。

公共字段

  • header：这个字段是pcl::PCLHeader类型，指定了点云的获取时间。
  • points：这个字段是std::vector＜PointT，…＞类型，它是储存所有点的容器。vector定 义中的PointT对应于类的模板参数，即点的类型。
  • width：这个字段指定了点云组织成一种图像时的宽度，否则它包含的是云中点的数量。
  • height：这个字段指定了点云组织成一种图像时的高度，否则它总是1。
  • is_dense：这个字段指定了点云中是否有无效值（无穷大或NaN值）。
  • sensor_origin_：这个字段是Eigen::Vector4f类型，并且定义了传感器根据相对于原点 的平移所得到的位姿。
  • sensor_orientation_：这个字段是Eigen::Quaternionf类型，并且定义了传感器旋转所 得到的位姿。

创建并保存点云

方式1

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>

int main()
{
    pcl::PointCloud<pcl::PointXYZ> cloud;
    // Fill in the cloud data
    cloud.width = 5;
    cloud.height = 1;
    cloud.is_dense = false;
    cloud.resize(cloud.width * cloud.height);
    for (auto &point : cloud)
    {
        point.x = 1024 * rand() / (RAND_MAX + 1.0f);
        point.y = 1024 * rand() / (RAND_MAX + 1.0f);
        point.z = 1024 * rand() / (RAND_MAX + 1.0f);
    }
    pcl::io::savePCDFileASCII("test_pcd.pcd", cloud);
    std::cerr << "Saved " << cloud.size() << " data points to test_pcd.pcd." << std::endl;
    for (const auto &point : cloud)
        std::cerr << "    " << point.x << " " << point.y << " " << point.z << std::endl;
    return 0;
}
/*************
Saved 5 data points to test_pcd.pcd.
    0.352222 -0.151883 -0.106395
    -0.397406 -0.473106 0.292602
    -0.731898 0.667105 0.441304
    -0.734766 0.854581 -0.0361733
    -0.4607 -0.277468 -0.916762
***************/

方式2

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/common/common_headers.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/console/parse.h>

int main(int argc, char **argv)
{
    pcl::PointCloud<pcl::PointXYZ>::Ptr basic_cloud_ptr(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PointCloud<pcl::PointXYZRGB>::Ptr point_cloud_ptr(new pcl::PointCloud<pcl::PointXYZRGB>);
    uint8_t r(255), g(15), b(15);
    for(float z(-1.0); z < 1.0; z += 0.05)
    {
        for(float angle(0.0); angle <= 360.0; angle += 5.0)
        {
            pcl::PointXYZ  basic_point;
            basic_point.x = 0.5 * cosf(pcl::deg2rad(angle));
            basic_point.y = sinf(pcl::deg2rad(angle));
            basic_point.z = z;
            basic_cloud_ptr->points.push_back(basic_point);

            pcl::PointXYZRGB point;
            point.x = basic_point.x;
            point.y = basic_point.y;
            point.z = basic_point.z;
            uint32_t rgb = (static_cast<uint32_t>(r) << 16 | static_cast<uint32_t>(g) << 8 |static_cast<uint32_t>(b));
            point.rgb = *reinterpret_cast<float *> (&rgb);
            point_cloud_ptr->points.push_back(point); 
        }
        if(z<0.0)
        {
            r -= 12;
            g += 12;
        }
        else
        {
            g -= 12;
            b += 12;
        }
    }
    basic_cloud_ptr->width = (int)basic_cloud_ptr->points.size();
    basic_cloud_ptr->height = 1;
    basic_cloud_ptr->is_dense = false;
    pcl::io::savePCDFileASCII("test_pcd_basic_2.pcd", *basic_cloud_ptr);
    for(const auto &point:basic_cloud_ptr->points)
        std::cerr<<" "<<point.x<<" "<<point.y<<" "<<point.z<<std::endl;
    point_cloud_ptr->width = (int)point_cloud_ptr->points.size();
    point_cloud_ptr->height = 1;
    point_cloud_ptr->is_dense = false;
    pcl::io::savePCDFileASCII("test_pcd_point_2.pcd", *point_cloud_ptr);
    for(const auto &point:point_cloud_ptr->points)
        std::cerr<<" "<<point.x<<" "<<point.y<<" "<<point.z<<std::endl;
    return 0;    
}

test_pcd.pcd

# .PCD v.7 - Point Cloud Data file format
VERSION .7								# 版本号
FIELDS x y z 				    		#  指定一个点可以有的每一个维度和字段的名字
SIZE 4 4 4 								# 用字节数指定每一个维度的大小。例如：
TYPE F F F								# 用一个字符指定每一个维度的类型 int uint folat
COUNT 1 1 1 1							# 指定每一个维度包含的元素数目
WIDTH 5   						  	    # 像图像一样的有序结构，有5行和1列，
HEIGHT 1    					  		# 这样该数据集中共有5*1=5个点
VIEWPOINT 0 0 0 1 0 0 0					# 指定数据集中点云的获取视点 视点信息被指定为平移（txtytz）+四元数（qwqxqyqz）
POINTS 5								# 指定点云中点的总数。从0.7版本开始，该字段就有点多余了
DATA ascii								# 指定存储点云数据的数据类型。支持两种数据类型：ascii和二进制
0.35222197 -0.15188313 -0.10639524
-0.3974061 -0.47310591 0.29260206
-0.73189831 0.66710472 0.44130373
-0.73476553 0.85458088 -0.036173344
-0.46070004 -0.2774682 -0.91676188

读取点云

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>

int main(int argc, char ** argv)
{
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

    if(pcl::io::loadPCDFile<pcl::PointXYZ>("/home/ghigher/CPuls_Project/test01/build/test_pcd.pcd", *cloud) == -1)
    {
        PCL_ERROR("Couldn`t read file test_pcd.pcd \n");
        return -1;
    }

    std::cout<<"Load " << cloud->width * cloud->height << "data points from test_pcd.pcd width the following fields:" <<std::endl;
    for(size_t i = 0; i<cloud->points.size(); ++i)
    {
        std::cout << " "<< cloud->points[i].x << " "<< cloud->points[i].y <<" "<< cloud->points[i].z << std::endl;
    }
    return 0;
}
/*********************************
Load 5data points from test_pcd.pcd width the following fields:
 0.352222 -0.151883 -0.106395
 -0.397406 -0.473106 0.292602
 -0.731898 0.667105 0.441304
 -0.734766 0.854581 -0.0361733
 -0.4607 -0.277468 -0.916762
*********************************/

显示点云

#include <pcl/visualization/cloud_viewer.h>
#include <iostream>
#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>

int main()
{
    pcl::PointCloud<pcl::PointXYZRGB>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGB>);
    pcl::io::loadPCDFile("/home/ghigher/CPuls_Project/test01/build/test_pcd_point_2.pcd", *cloud);
    //创建CloudViewer点云显示对象
    pcl::visualization::CloudViewer viewer("Cloud Viewer");
    viewer.showCloud(cloud);
    while(!viewer.wasStopped())
    {

    }
    return 0;
}
image-20240217155304489

KDTree

#include <pcl/point_cloud.h>        //点类型定义头文件
#include <pcl/kdtree/kdtree_flann.h> //kdtree类定义头文件

#include <iostream>
#include <vector>
#include <ctime>

int
main (int argc, char** argv)
{
  srand (time (NULL));   //用系统时间初始化随机种子
  //创建一个PointCloud<pcl::PointXYZ>
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);

  // 随机点云生成
  cloud->width = 1000;             //此处点云数量
  cloud->height = 1;                //表示点云为无序点云
  cloud->points.resize (cloud->width * cloud->height);

  for (size_t i = 0; i < cloud->points.size (); ++i)   //循环填充点云数据
  {
    cloud->points[i].x = 1024.0f * rand() / (RAND_MAX + 1.0f); // // 产生数值为0-1024的浮点数
    cloud->points[i].y = 1024.0f * rand () / (RAND_MAX + 1.0f);
    cloud->points[i].z = 1024.0f * rand () / (RAND_MAX + 1.0f);
  }
 //创建KdTreeFLANN对象，并把创建的点云设置为输入,创建一个searchPoint变量作为查询点
  pcl::KdTreeFLANN<pcl::PointXYZ> kdtree; // pcl::KdTreeFLANN<PointT, Dist>::setInputCloud (const PointCloudConstPtr &cloud, const IndicesConstPtr &indices)
  //设置搜索空间
  kdtree.setInputCloud (cloud);
  //设置查询点并赋随机值
  pcl::PointXYZ searchPoint;
  searchPoint.x = 1024.0f * rand () / (RAND_MAX + 1.0f);
  searchPoint.y = 1024.0f * rand () / (RAND_MAX + 1.0f);
  searchPoint.z = 1024.0f * rand () / (RAND_MAX + 1.0f);

  // K 临近搜索
  //创建一个整数（设置为10）和两个向量来存储搜索到的K近邻，两个向量中，一个存储搜索到查询点近邻的索引，另一个存储对应近邻的距离平方
  int K = 10;

  std::vector<int> pointIdxNKNSearch(K);      //存储查询点近邻索引
  std::vector<float> pointNKNSquaredDistance(K); //存储近邻点对应距离平方
  //打印相关信息
  std::cout << "K nearest neighbor search at (" << searchPoint.x 
            << " " << searchPoint.y 
            << " " << searchPoint.z
            << ") with K=" << K << std::endl;

  if ( kdtree.nearestKSearch (searchPoint, K, pointIdxNKNSearch, pointNKNSquaredDistance) > 0 )  //执行K近邻搜索
  {
     //打印所有近邻坐标
    for (size_t i = 0; i < pointIdxNKNSearch.size (); ++i)
      std::cout << "    "  <<   cloud->points[ pointIdxNKNSearch[i] ].x 
                << " " << cloud->points[ pointIdxNKNSearch[i] ].y 
                << " " << cloud->points[ pointIdxNKNSearch[i] ].z 
                << " (squared distance: " << pointNKNSquaredDistance[i] << ")" << std::endl;
  }

  // 半径 R内近邻搜索方法

  std::vector<int> pointIdxRadiusSearch;           //存储近邻索引
  std::vector<float> pointRadiusSquaredDistance;   //存储近邻对应距离的平方

  float radius = 256.0f * rand () / (RAND_MAX + 1.0f);   //随机的生成某一半径
  //打印输出
  std::cout << "Neighbors within radius search at (" << searchPoint.x 
            << " " << searchPoint.y 
            << " " << searchPoint.z
            << ") with radius=" << radius << std::endl;

  // 假设我们的kdtree返回了大于0个近邻。那么它将打印出在我们"searchPoint"附近的10个最近的邻居并把它们存到先前创立的向量中。
  if ( kdtree.radiusSearch (searchPoint, radius, pointIdxRadiusSearch, pointRadiusSquaredDistance) > 0 )  //执行半径R内近邻搜索方法
  {
    for (size_t i = 0; i < pointIdxRadiusSearch.size (); ++i)
      std::cout << "    "  <<   cloud->points[ pointIdxRadiusSearch[i] ].x 
                << " " << cloud->points[ pointIdxRadiusSearch[i] ].y 
                << " " << cloud->points[ pointIdxRadiusSearch[i] ].z 
                << " (squared distance: " << pointRadiusSquaredDistance[i] << ")" << std::endl;
  }


  return 0;
}
/**************************
K nearest neighbor search at (763.71 771.792 499.333) with K=10
    743.497 707.763 466.9 (squared distance: 5560.2)
    743.305 814.092 581.355 (squared distance: 8933.23)
    831.035 753.543 578.683 (squared distance: 11162.2)
    706.388 734.124 580.101 (squared distance: 11228.1)
    811.653 670.148 524.748 (squared distance: 13276)
    819.709 753.288 599.12 (squared distance: 13435.7)
    852.38 697.685 530.509 (squared distance: 14326.1)
    817.204 665.183 481.782 (squared distance: 14535)
    694 796.036 396.447 (squared distance: 16032.8)
    788.24 794.644 621.827 (squared distance: 16128.8)
Neighbors within radius search at (763.71 771.792 499.333) with radius=118.164
    743.497 707.763 466.9 (squared distance: 5560.2)
    743.305 814.092 581.355 (squared distance: 8933.23)
    831.035 753.543 578.683 (squared distance: 11162.2)
    706.388 734.124 580.101 (squared distance: 11228.1)
    811.653 670.148 524.748 (squared distance: 13276)
    819.709 753.288 599.12 (squared distance: 13435.7)
**************************/

ROS中使用

PCL接口

  • std_msgs::Header：通常是每一个ROS消息的一部分。它包含消息发送时间、序列号和坐标系名称等信息。等价于pcl::Headertype。
  • sensor_msgs::PointCloud2：用来转换pcl::PointCloud类型
  • pcl_msgs::PointIndices：这个消息类型储存了一个点云中点的索引，等价PCL类型是pcl::PointIndices。
  • pcl_msgs::PolygonMesh：这个消息类型保存了描绘网格、顶点和多边形的信息，等价PCL类型是pcl::PolygonMesh。
  • pcl_msgs::Vertices：这个消息类型将一组顶点的索引保存在一个数组中，例如描述一个多边形。等价PCL类型是pcl::Vertices。
  • pcl_msgs::ModelCoefficients：这个消息类型储存了一个模型的不同系数，例如描述一 个平面需要的四个参数。等价的PCL类型是pcl:ModelCoefficients。
void toROSMsg(const pcl::PointCloud<T> &, sensor_msgs::PointCloud2 &); 
void fromROSMsg(const sensor_msgs::PointCloud2 &, pcl::PointCloud<T> &);
void moveFromROSMsg(sensor_msgs::PointCloud2 &, pcl::PointCloud<T> &);

创建并发布

依赖

  message_filters roscpp rosbag rospy sensor_msgs std_msgs pcl_ros pcl_conversions message_generation

#include <iostream>
#include <pcl/point_types.h>
#include <pcl_conversions/pcl_conversions.h>
#include <ros/ros.h>
#include <sensor_msgs/PointCloud2.h>


int main(int argc, char **argv)
{
    ros::init(argc, argv, "point_cloud_node");
    ros::NodeHandle nh;
    ros::Publisher pub = nh.advertise<sensor_msgs::PointCloud2>("pointcloud_pub_topic", 1000);
    ros::Rate rate(3);

    unsigned int num_points = 4;
    pcl::PointCloud<pcl::PointXYZRGB> cloud;
    cloud.points.resize(num_points);
    sensor_msgs::PointCloud2 output_msg;

    while(ros::ok())
    {
        output_msg.header.stamp = ros::Time::now();
        for(int i=0; i<num_points; i++)
        {
            cloud.points[i].x = i;
            cloud.points[i].y = i;
            cloud.points[i].z = i;
            cloud.points[i].r = 0;
            cloud.points[i].g = 255;
            cloud.points[i].b = 0;
        }
        pcl::toROSMsg(cloud, output_msg);
        output_msg.header.frame_id = "point_cloud_frame_id";
        pub.publish(output_msg);
        rate.sleep();
    }
    ros::spin();
    return 0;

}
image-20240217155602698

接收并进行位姿转换

#include <ros/ros.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl/point_types.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/common/transforms.h>
#include <pcl/visualization/cloud_viewer.h>
#include <pcl/filters/voxel_grid.h>

class pcl_sub
{
    private:
        ros::NodeHandle nh;
        ros::Subscriber subCloud;
        ros::Publisher pubCloud;
        sensor_msgs::PointCloud2 msg;
        sensor_msgs::PointCloud2 adjust_msg;
        pcl::PointCloud<pcl::PointXYZRGB> adjust_pcl;
    public:
        pcl_sub():nh("~")
        {
            subCloud = nh.subscribe<sensor_msgs::PointCloud2>("/point_cloud_topic", 1, &pcl_sub::getcloud, this);
            pubCloud = nh.advertise<sensor_msgs::PointCloud2>("/adjust_msgs", 1);
        }
        void getcloud(const sensor_msgs::PointCloud2ConstPtr &laserCloudMsg)
        {
            pcl::PointCloud<pcl::PointXYZRGB>::Ptr adjust_pcl_ptr(new pcl::PointCloud<pcl::PointXYZRGB>);
            //将ROS消息转换为PCL点云
            pcl::fromROSMsg(*laserCloudMsg, *adjust_pcl_ptr);
            //定义一个旋转矩阵 虽然为3D 实质上是4x4矩阵(旋转+平移)
            Eigen::Isometry3d T = Eigen::Isometry3d::Identity();
            Eigen::AngleAxisd rotationVector(M_PI/4, Eigen::Vector3d(0, 0, 1));
            Eigen::Matrix3d rotationMatrix = Eigen::Matrix3d::Identity();
            rotationMatrix = rotationVector.toRotationMatrix();
            //旋转部分赋值
            T.linear() = rotationMatrix;
            //平移部分赋值
            T.translation() = Eigen::Vector3d(0, 0, 0);
            //执行变换 保存结果
            pcl::PointCloud<pcl::PointXYZRGB>::Ptr transform_cloud(new pcl::PointCloud<pcl::PointXYZRGB>);
            pcl::transformPointCloud (*adjust_pcl_ptr, *transform_cloud, T.matrix());
            adjust_pcl = *transform_cloud;
            for(int i = 0; i<adjust_pcl.points.size();i++)
            {
                adjust_pcl.points[i].r = 255;
                adjust_pcl.points[i].g = 0;
                adjust_pcl.points[i].b = 0;
            }
            //将PCL点云转换为ROS消息
            pcl::toROSMsg(adjust_pcl, adjust_msg);
            pubCloud.publish(adjust_msg);
        }
        ~pcl_sub(){}
};

int main(int argc, char **argv)
{
    ros::init(argc, argv, "point_cloud_transform");
    pcl_sub ps;
    ros::spin();
    return 0;
}
image-20240217173448241

参考视频:https://space.bilibili.com/222855903

于小猿Sup
关注
  • 17
    点赞
  • 踩
  • 29
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在ROS中利用pcl库编程(详细）
01-06
在点云数据处理上，目前pcl库（Point Cloud Library) 已经有了很好的支持和实现，在ROS编程时可以直接引入利用，但需要做必要的链接和转换，本文针对如何在ROS中实现pcl库的使用问题进行探讨。 参考原文博客：如何在...
pcl_localization_ros2：使用PCL的基于3D LIDAR的ROS2软件包（非SLAM）
02-04
pcl_localization_ros2 使用PCL的基于3D LIDAR的ROS2软件包。 绿色：路径，红色：地图（5x5网格大小为50m×50m）IO 输入/ cloud（sensor_msgs / PointCloud2） /地图（sensor_msgs / PointCloud2） / initialpose...
ROS——PCL:ROS读取点云信息并显示
weixin_42157689的博客
07-07 1243
首先需要准备点云信息，可以是相机实时生成的点云，也可以是自己准备好的点云文件。
学习笔记：点云库PCL（Point Cloud Library ）介绍
热门推荐
jeffliu123的博客
08-04 1万+
在environment.cpp中使用pcl查看器的函数是initCamera和initHighway，initCamera函数用于在窗口中设置不同的观察角度，有5种不同的选择:XY, TopDown, Side和FPS---XY提供45度视角，FPS则是第一人称视角，给人一种坐在汽车驾驶座上的感觉。...
ROS下使用PCL处理点云话题
最新发布
m0_46448663的博客
04-01 1341
ros下使用pcl点云库
3D点云学习笔记（PCL安装及配置）
qq_39218707的博客
04-03 5117
PCL简介及安装配置vs2019
PCL学习一：点云与PCL基础
qq_42994487的博客
04-28 9693
PCL学习一：点云与PCL基础
PCL点云库学习
qq_43575504的博客
05-05 690
一、可用Point类型一、可用Point类型PointXYZ是使用最常见的一个点数据类型，因为它只包含三维xyz坐标信息，这三个浮点数附加一个浮点数来满足存储对齐，用户可利用points[i].data[0]，或者points[i].x访问点的x坐标值。
pcl对地面点云去除ROS.zip
06-03
使用pcl点云库对三维点云地面点进行去除，并采用ROS实现。博主CSDN地址：https://blog.csdn.net/AdamShan/article/details/82901295
pcl_495:一个点云库 - 使用 Nodelets 的 ROS 应用程序
06-17
使用传感器和 PCL（点云库），将地板（或任何平行于相机框架的平面）与场景的其余部分分开 附加目标： 实现使用 ROS nodelet 的版本 在场景中查找对象 对一个对象执行额外的计算（比如找到对象的中心并随着时间的...
kinfu:用于 PCL Kinfu 实现的 ROS 包装器
07-21
金福 用于 PCL Kinfu 实现的 ROS 包装器
ROS——基于PCL实现点云处理
Irving.Gao的博客
04-25 5608
git clone https://github.com/Irvingao/IPM-mapping-ros.git # catkin_create_pkg IPM-mapping-ros rospy rosmsg roscpp 编译 cd ~/your_ws catkin_make -DCATKIN_WHITELIST_PACKAGES="IPM-mapping-ros" 打开Realsense发布点云数据
【C++】ROS：pcl_ros包使用与点云转换示例
DevFrank的博客
12-12 2604
pcl_ros包使用与点云转换示例
PCL点云库(1) — 简介与数据类型
几度春风里的博客
04-20 2702
PCL（点云库）_百度百科PCL（Point Cloud Library）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、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信息获取与处理上具有同等地位。
ROS下使用PCL库教程
weixin_44411318的博客
10-29 2235
ros下使用PCL（官方教程）
【PCL】—— PCL库的简单使用
sinat_52032317的博客
04-02 1602
点云是激光雷达获取的三维场景信息的数据存储形式，不同于图像数据，点云由空间中一系列离散的点组成，并记录了这些点相对于激光雷达自身坐标系的三维坐标与反射率。一帧点云数据（包含N个点）可表示为xiyizirii1Nxi​yi​zi​ri​i1N​其中xiyizixi​yi​zi​第个点在激光雷达坐标系下的坐标，rir_iri​为该点的反射率。
学习PCL库你应该知道的C++特性
小白学视觉
06-13 329
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达要学会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...
ROS已装背景下安装PCL和VTK，解决VTK和PCL_ROS冲突问题
Twilightzr的博客
02-14 8209
CMake Error at /opt/ros/melodic/share/catkin/cmake/catkinConfig.cmake:83 (find_package): Could not find a package configuration file provided by "grid_map_core" with any of the following names: grid_map_coreConfig.cmake grid_map_core-config.cm
ros2 pcl库安装
05-10
安装 PCL 库需要先安装 ROS 2 和一些必需的依赖项。以下是在 Ubuntu 20.04 中安装 PCL 库的步骤： 1. 安装 ROS 2 Foxy Fitzroy： ``` sudo apt update sudo apt install ros-foxy-desktop ``` 2. 安装 PCL 库...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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