点云库PCL学习——向pcd文件中写入点云数据

最新推荐文章于 2024-08-16 15:24:34 发布

图灵小眼睛

最新推荐文章于 2024-08-16 15:24:34 发布

阅读量1.7k

点赞数

分类专栏：点云库PCL学习

本文链接：https://blog.csdn.net/zzh_AI/article/details/88837046

版权

本文介绍了PCL库中的基本数据结构PointCloud，包括width、height、points、is_dense、sensor_origin_和sensor_orientation_等属性。讲解了如何判断点云是否有结构，以及点云数据的存储方式。点T类型用于描述点云中的单个点数据。

摘要由CSDN通过智能技术生成

首先对pcd中基本结构PointCloud做一个笔记：
PCL中的基本数据结构是PointCloud，PointCloud是一个C++类，包含了如下数据域：
一、width (int)
用点云数据集中的点数初始化width，width其实有两个含义：
(1)对于无组织或者说无结构的点云来说，width就是指点云中点的个数。
(2) 对于有结构的点云来说，width是指点云数据集一行上点的个数。有结构的点云可以理解成这个点云像image（或者说是一个矩阵）一样进行组织，数据被分为行和列，如立体相机或者TOF相机获得的点云数据就属于这一类。对于有结构点云的一大好处就是能知道点云中点的相邻关系，最近邻操作效率就非常高，可以大大提高PCL中相应算法的效率。
例：cloud.width = 640; // there are 640 points per line
二、height (int)
用点云数据集中点的高度（就是行数）初始化height，height同样有两个函数：
(1)对于有结构点云来说，height代表点云的总行数
(2)对于无结构的点云来说，height值为1，因此这也经常用来判断点云是或者不是一个有结构的点云。
如：
cloud.width = 640; // Image-like organized structure, with 640 rows and 480 columns,
cloud.height = 480; // thus 640*480=307200 points total in the dataset

cloud.width = 307200;
cloud.height