PCL笔记

PCL中常用数据结构

pcl::PointCloud

PointCloud类包含以下成员变量：
注意PointCloud模板类是点云类，其是由很多个点组成的。

width——点云宽度
height——点云高度

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。

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。

pcl::PointCloud<pcl::PointXYZ> cloud;
std::vector<pcl::PointXYZ> data = cloud.points;

存储了数据类型为PointT的一个动态数组，例如，对于一个包含了XYZ数据的点云，points是包含了元素为pcl::PointXYZ一个vector。

is_dense (bool) 

判断points中的数据是否是有限的（有限为true）或者说是判断点云中的点是否包含 Inf/NaN这种值（包含为false）。

sensor_origin_ (Eigen::Vector4f) 

代表了相应传感器的位置座标（可能是经过平移的），这个数据成员是可选，在大多数的PCL算法中不会使用。

sensor_orientation_ (Eigen::Quaternionf) 

代表了相应传感器的朝向，这个数据成员是可选，在大多数的PCL算法中不会使用。

---

pcl::PointXYZ

  pcl::PointXYZ::PointXYZ ( float_x,
                      float_y,
                      float_z
                        ) 

---

pcl::PointXYZI

union {
   struct {
      float   intensity
   } 	
   float   data_c [4]
}; 

---

pcl::PointXYZRGB

Eigen::Vector3i 	getRGBVector3i ()
const Eigen::Vector3i 	getRGBVector3i () const
Eigen::Vector4i 	getRGBVector4i ()
const Eigen::Vector4i 	getRGBVector4i () const
 	PointXYZRGB (const _PointXYZRGB &p)
 	PointXYZRGB ()
 	PointXYZRGB (uint8_t _r, uint8_t _g, uint8_t _b)
//其中PointXYZRGB	为
pcl::PointXYZRGB::PointXYZRGB	(	uint8_t 	_r,
uint8_t 	_g,
uint8_t 	_b 
)		[inline]

---

pcl::PCLPointCloud2

struct PCLPointCloud2
         {
          PCLPointCloud2 () : header (), height (0), width (0), fields (),
         is_bigendian (false), point_step (0), row_step (0),
          data (), is_dense (false)
          {
         #if defined(BOOST_BIG_ENDIAN)
          is_bigendian = true;
         #elif defined(BOOST_LITTLE_ENDIAN)
          is_bigendian = false;
         #else
         #error "unable to determine system endianness"
         #endif
          } 
      ::pcl::PCLHeader header;
     
      pcl::uint32_t height;
      pcl::uint32_t width;
     
      std::vector< ::pcl::PCLPointField> fields;
     
      pcl::uint8_t is_bigendian;
      pcl::uint32_t point_step;
      pcl::uint32_t row_step; 
      std::vector<pcl::uint8_t> data; 
      pcl::uint8_t is_dense; 
      public:
      typedef boost::shared_ptr< ::pcl::PCLPointCloud2> Ptr;
      typedef boost::shared_ptr< ::pcl::PCLPointCloud2 const> ConstPtr;
      }; // struct PCLPointCloud2 

---

相互装换

 PointCloud<PointXYZ>和PointCloud<PointXYZRGB> 

PointCloud<PointXYZ> cloud_xyz;
// [...]
PointCloud<PointXYZRGB> cloud_xyzrgb;
copyPointCloud(cloud_xyz, cloud_xyzrgb);

---

cloud_filtered_blob 声明的数据格式为pcl::PCLPointCloud2::Ptr  cloud_filtered_blob (new pcl::PCLPointCloud2);
cloud_filtered 申明的数据格式  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered (new pcl::PointCloud<pcl::PointXYZ>) 

pcl::fromPCLPointCloud2 (*cloud_filtered_blob, *cloud_filtered);

---

void pcl::fromPCLPointCloud(const pcl:PCLPointCloud2 & msg  pcl::PointCloud<PointT>  & cloud const MsgFieldMap & filed_map)

void pcl::fromPCLPointCloud2(const pcl::PCLPointCloud & msg pcl::PointCloud<pointT> &cloud )

void pcl::fromROSMsg（const pcl:PCLPointCloud2 & msg pcl::PointCloud<PointT>  & cloud  ）

参考：http://docs.ros.org/hydro/api/pcl/html/namespacepcl.html

滤波 filter

PassThrough

1. 空间切割

只保留设定范围内的点，超出边界的就过滤掉了。

pcl::PassThrough<pcl::PointXYZ> pass;
pass.setInputCloud (cloud);
pass.setFilterFieldName ("z");
pass.setFilterLimits (0.0, 1.0);
//pass.setFilterLimitsNegative (true);
pass.filter (*cloud_filtered);

代表了是否显示被过滤掉的点，如果设置为true则将被过滤的以红色表示，没过滤的用绿色表示。默认是false.
cloud就是需要过滤的点云，cloud_filtered就是过滤后的点云，使用setFilterFieldName来设置过滤Z轴，用setFilterLimits来设置范围，也就是只保留z座标在0-1之间的点，其他的全部不要了。

3. 圆形滤波

遍历图像中每一个点，如果他周围给定半径内点的数量小于自己设置的一个阈值，那么这一个点将被忽略。

pcl::PassThrough<pcl::PointXYZ> pass;
pass.setInputCloud (cloud);
pass.setRadiusSearch (0.2);
pass.setMinNeighborsInRadius (20);
pass.filter (*cloud_filtered);