PCL读写点云

 点云定义

根据激光测量原理得到的点云，包括三维坐标（XYZ）和激光反射强度（Intensity）。


根据摄影测量原理得到的点云，包括三维坐标（XYZ）和颜色信息（RGB）。


结合激光测量和摄影测量原理得到点云，包括三维坐标（XYZ）、激光反射强度（Intensity）和颜色信息（RGB）。


在获取物体表面每个采样点的空间坐标后，得到的是一个点的集合，称之为“点云”(Point Cloud)。


点云存储格式有很多：*.pts; *.asc ; *.dat; *.stl ; [1]  *.imw；*.xyz；*.las
LAS格式文件已成为LiDAR数据的工业标准格式，LAS文件按每条扫描线排列方式存放数据,包括激光点的三维坐标、多次回波信息、强度信息、扫描角度、分类信息、飞行航带信息、飞行姿态信息、项目信息、GPS信息、数据点颜色信息等。

PCL中点云的数据类型是PointCloud，它是一个C++类，包含了如下的数据成员（括号中是这个数据的数据类型）：

（1）width(int) ：指定了点云数据中的宽度。

width有两层含义：

- 对于无序点云而言， 指的是点云的数量。

- 在有序点云中，一行点云的数量。

（2）height(int) ：指定了点云数据中的高度。

height有两层含义：

• 指定有序点云中，点云行的数量。
  

  
  

• 对于无序点云，将height设为1（它的width即为点云的大小），区分点云是否有序。
  

  
  

（3）points(std::vector) ：points是存储类型为PointT的点的向量。

举例来说，对于一个包含XYZ数据的点云，points成员就是由pcl::PointXYZ类型的点构成的向量：

（4）is_dense(bool) ：
指定点云中的所有数据都是有限的（true），还是其中的一些点不是有限的，它们的XYZ值可能包含inf/NaN 这样的值（false）。

（5）sensor_origin_(Eigen::Vector4f) ：
指定传感器的采集位姿（==origin/translation==）这个成员通常是可选的，并且在PCL的主流算法中用不到。

（6）sensor_orientaion_(Eigen::Quaternionf) ：
指定传感器的采集位姿（方向）。

这个成员通常是可选的，并且在PCL的主流算法中用不到。

为了简化开发，PointCloud类包含许多帮助成员函数。

举个例子，如果你想判断一个点云是否有序，不用检查height是否等于1，而可以使用isOrganized()函数来判断：

.使用point类型

由于pcl模块很多，为了提高编译速度，在组合中使PCL中已经定义的point类型所有的模块都能直接调用，不需要重新编译

方法：

在文件中首先声明我们的类和方法，再在模块类实现头文件中进行实现，配置在源文件中进行显示的实例，最后在编译链接时分别进行实例化

例子  

通过指针创建点云对象 的两种方式  

PCLPonitCloud2  和 PointCloud两种格式的点云对象 

实例化模板类PointCloud 每一个点的类型设置为pcl::PointXYZ

	pcl::PointCloud::Ptr cloud(new pcl::PointCloud);

pcl::PCLPointCLOUD2 cloud;

PCL的example里通常都是这样定义点云：

pcl::PointCloud::Ptr cloud (new pcl::PointCloud );

如果要访问某一个点，则需要：

cloud->points[i].x

可以看到，points是个vector变量，所以points[i]就是单个的点，这里访问了他的x的值，同理可以访问y和z，如果想往cloud这个变量里面添加一个点的信息，则只需要定一个PointXYZ的变量，然后通过vector的push_back，加入到points这个变量里面

读写点云

1.PCDReader/PCGWriter

可以进行保存的pcd形式有ASCII Binary BinaryCompressed

#include 
#include 

using namespace std;

int main(int argc, char** argv)
{
    //模板点云
	pcl::PointCloud::Ptr cloud(new pcl::PointCloud);
    //点云读取
	pcl::PCDReader reader;
	reader.read("data//bunny.pcd", *cloud);

	cout << "从点云数据中读取： " << cloud->width * cloud->height <<
		" 个， " << "数据中所包含的有效字段为: " << pcl::getFieldsList(*cloud) << endl;

	pcl::PCDWriter w;
	w.write("任意.pcd", false); // 第二个参数设置为false则保存为ASCII，设置为true则保存为Binary，默认参数为：false。


	cerr << "保存为ASCII.形式 " << endl;
	w.writeASCII("ASCII.pcd", *cloud);   // 保存速度较慢且保存后的文件较大
	cerr << "保存为binary.形式" << endl;
	w.writeBinary("Binary.pcd", *cloud); // 保存速度较快
	cerr << "保存为binary_compressed.形式" << endl;
	w.writeBinaryCompressed("binary_compressed.pcd", *cloud); // 保存速度较快且保存后的文件较小

	return 0;

2.IO

可以进行保存的pcd形式有ASCII Binary BinaryCompressed

#include 
#include 

using namespace std;

int main(int argc, char** argv)
{
    #创建一个PointCloudboost共享指针并实现实例化
    #定义点云
	pcl::PointCloud::Ptr cloud(new pcl::PointCloud);
    #打开点云文件
	if (pcl::io::loadPCDFile("data//bunny.pcd", *cloud) < 0)
	{
		PCL_ERROR("Could not read file\n");
		return (-1);
	}

	cout << "从点云数据中读取： " << cloud->width * cloud->height <<
		" 个， " <<"数据中所包含的有效字段为: " << pcl::getFieldsList(*cloud) << endl;

	cerr << "保存为ASCII.形式 " << endl;
	pcl::io::savePCDFile("任意.pcd", *cloud, false); // 第三个参数设置为false则保存为ASCII,设置为true则保存为Binary，默认参数为：false。


	pcl::io::savePCDFileASCII("ASCII.pcd", *cloud);  // 保存速度较慢且保存后的文件较大
	cerr << "保存为binary.形式" << endl;
	pcl::io::savePCDFileBinary("Binary.pcd", *cloud); // 保存速度较快
	cerr << "保存为binary_compressed.形式" << endl;
	pcl::io::savePCDFileBinaryCompressed("binary_compressed.pcd", *cloud); // 保存速度较快且保存后的文件较小

	return 0;
}

后缀命名为.ply格式文件，常用的点云数据文件。

ply文件不仅可以存储点数据，而且可以存储网格数据. 用编辑器打开一个ply文件，观察表头，如果表头element face的值为0,则表示该文件为点云文件，如果element face的值为某一正整数N，则表示该文件为网格文件，且包含N个网格.所以利用pcl读取 ply 文件，不能一味用pcl::PointCloud::Ptr cloud (new pcl::PointCloud)来读取。

在读取ply文件时候，首先要分清该文件是点云还是网格类文件。

如果是点云文件，则按照一般的点云类去读取即可，如果ply文件是网格类，则需要:

#include 

pcl::PolygonMesh mesh;
pcl::io::loadPLYFile("readName.ply", mesh);
pcl::io::savePLYFile("saveName.ply", mesh);