PCL笔记二：PCD解析；PCD读取；PCD与XYZ转换；

PCD文件解析

上一节中，我们获取的PCD格式点云文件，内容如下：

# .PCD v0.7 - Point Cloud Data file format
VERSION 0.7
FIELDS x y z
SIZE 4 4 4
TYPE F F F
COUNT 1 1 1
WIDTH 5
HEIGHT 1
VIEWPOINT 0 0 0 1 0 0 0
POINTS 5
DATA ascii
1.28125 577.09375 197.9375
828.125 599.03125 491.375
358.6875 917.4375 842.5625
764.5 178.28125 879.53125
727.53125 525.84375 311.28125

PCD文由 “头文件 + 点云数据” 构成，头文件声明了该点云数据集的基本特性。

第零行为注释：标明文件类型。

第一行：VERSION

• 指定PCD文件的版本，由0.7可知该点云数据集是0.7版本的。

第二行：FIELDS

• 指定本点云数据集中任意一个点可以有的维度信息和其他附加信息。如：FIELDS x y z  指每个点都有xyz三个维度信息，FIELDS x y z rgb 指每个点除了xyz维度信息外还有颜色信息等。

第三行：SIZE

• 储存每个维度信息占用的字节数(byte)。1指用char型数据存储维度信息，2指用short型数据存储维度信息，4指用int或float型数据存储维度信息，8指用double型数据存储维度信息。

第四行：TYPE

• 用字符指定每一个维度的数据类型。
  • I表示有符号类型：int8(char),int16(short),int32(int);
  • U表示无符号类型：uint8(unsigned char),uint 16(unsigned short),uint32(unsigned int);
  • F表示浮点型float和double。

第五行：COUNT

• 每个维度包含的元素个数。

第六行：WIDTH

• 点云数据集可分为有序数据集和无序数据集两种。
  • 有序数据集类似矩阵，有行列之分，无序数据集则无行列之分。
  • 根据数据集是否有序，WIDTH由不同的含义。
    • 对有序数据集而言：表示数据集的宽度(每行点的数目)；
    • 对于无序数据集而言：表示数据集中点的总数(和下面的POINTS一样)。

第七行：HEIGHT

• 对有序数据集而言：表示数据集的高度(行数)；
• 对于无序数据集而言：被设置为1，用于声明一个数据集是否有序。

第八行：VIEWPOINTS

• 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)”,默认值是：VIEWPOINT 0 0 0 1 0 0 0

第九行：POINTS

• 点云中点的总数，从0.7版本就开始显得有点多余，可能会在后续版本中舍去这个参数。

第十行：DATA

• 指定存储点云数据的数据存储格式：ASCLL码或二进制数据。

后续是数据部分：

• 以ASCLL码存储的点云数据，每一个点占据一行，“nan”表示不存在或非法的数据。

---

PCD文件读取

#include<iostream>
#include<pcl/io/pcd_io.h>
#include<pcl/point_types.h>
using namespace std;

int main()
{
	pcl::PointCloud < pcl::PointXYZ >::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);// 创建点云指针。
	// 读入PCD格式文件，如果文件不存在，返回-1
	if (pcl::io::loadPCDFile<pcl::PointXYZ>("test_pcd_file.pcd", *cloud) == -1)   
	{
		PCL_ERROR("Couldn't read file test_pcd_file.pcd\n");
		return -1;
	}
	cout << "Loaded "
		<< cloud->points.size()
		<< " data points from test_pcd_file.pcd with the following fields:"
		<< endl;
	// 显示前5个点：
	for (size_t i = 0; i < 5; i++)
	{
		cout << cloud->points[i].x << "\t" << cloud->points[i].y << "\t" << cloud->points[i].z << endl;
	}
	system("pause");
	return 0;
}

---

xyz文件转pcd文件

• xyz格式数据一般每行有6列数据，前3列分别为点的 x,y,z坐标，后3列为点的法向量，一般以空格分隔；

#include<iostream>
#include<pcl/io/pcd_io.h>
#include<pcl/console/print.h>
#include<pcl/console/parse.h>
#include <boost/algorithm/string.hpp>

using namespace std;
using namespace pcl;
using namespace pcl::io;
using namespace pcl::console;

bool loadCloud(const string& filename, PointCloud<PointNormal>& cloud)
{
	ifstream fs;
	fs.open(filename.c_str(), ios::binary);
	if (!fs.is_open() || fs.fail())
	{
		PCL_ERROR("Could not open file '%s'! Error : %s\n", filename.c_str(), strerror(errno));
		fs.close();
		return(false);
	}

	string line;
	vector<string> st;

	while (!fs.eof())
	{
		getline(fs, line);
		if (line.empty())
		{
			continue;
		}
		boost::trim(line);
		// #include <boost/algorithm/string.hpp>包含头文件，才可以使用split分割。
		boost::split(st, line, boost::is_any_of(" "), boost::token_compress_on);
		// 分割符是空格。
		//cout << "st.size() = " << st.size() << endl;
		if (st.size() != 6)
			continue;
		pcl::PointNormal point;
		point.x = float(atof(st[0].c_str()));
		point.y = float(atof(st[1].c_str()));
		point.z = float(atof(st[2].c_str()));
		point.normal[0]= float(atof(st[3].c_str()));
		point.normal[1]= float(atof(st[4].c_str()));
		point.normal[2]= float(atof(st[5].c_str()));
		cloud.push_back(point);
	}
	fs.close();
	cloud.width = uint32_t(cloud.size());
	cloud.height = 1;
	cloud.is_dense = true;
	return (true);
}


int main()
{
	string XYZfileName = "camel.xyz";
	string PCDfileName = "camel.pcd";

	PointCloud<PointNormal> cloud;
	if (!loadCloud(XYZfileName, cloud))
		return (-1);
	cout << cloud.size() << endl;
	//system("pause");
	pcl::io::savePCDFileASCII(PCDfileName, cloud);

	system("pause");
	return 0;
}

std::string input_file = "../testCloud.xyz";
// 读取txt文件中的点云数据
std::ifstream infile(input_file.c_str());
std::vector<float> data;
float value;
while (infile >> value)
{
	data.push_back(value);
}
infile.close();
// 将数据转换为点云格式
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
int size = data.size() / 3;
cloud->points.resize(size);
for (int i = 0; i < size; ++i)
{
	cloud->points[i].x = data[i * 3];
	cloud->points[i].y = data[i * 3 + 1];
	cloud->points[i].z = data[i * 3 + 2];
}