PCL点云库学习记录

1、PCD文件与PLY文件互相转换

这里的PCD文件与PLY文件的互相转换是简单的将点的xyz坐标以及rgb数据转换，没有涉及到网格化。如果想从PCD文件生成网格模型可以参考快速三角化：http://www.pclcn.org/study/shownews.php?lang=cn&id=111

a、PCD转PLY

//PCD转换为PLY****************************************************** #include <pcl/io/pcd_io.h> #include <pcl/io/ply_io.h> #include<pcl/PCLPointCloud2.h> #include<iostream> #include<string> using namespace pcl; using namespace pcl::io; using namespace std; int PCDtoPLYconvertor(string & input_filename ,string& output_filename) { pcl::PCLPointCloud2 cloud; if (loadPCDFile(input_filename , cloud) < 0) { cout << "Error: 无法加载PCD文件!!!"<< endl; return -1; } PLYWriter writer; writer.write(output_filename, cloud, Eigen::Vector4f::Zero(), Eigen::Quaternionf::Identity(),true,true); return 0; } int main() { string input_filename = "0.pcd"; string output_filename = "cloud_ply.ply"; PCDtoPLYconvertor(input_filename , output_filename); cout << "pcd->ply转换完毕!!!"<< endl; return 0; } b、PLY转PCD

//PLY转换为PCD****************************************************** #include <pcl/io/pcd_io.h> #include <pcl/io/ply_io.h> #include <pcl/point_types.h> #include <iostream> using namespace std; using namespace pcl; using namespace io; using namespace pcl::io; bool loadCloud (const std::string &filename, pcl::PCLPointCloud2 &cloud) { pcl::PLYReader reader; if (reader.read (filename, cloud) < 0) return (false); return (true); } void saveCloud (const std::string &filename, const pcl::PCLPointCloud2 &cloud, bool format) { pcl::PCDWriter writer; writer.write (filename, cloud, Eigen::Vector4f::Zero (), Eigen::Quaternionf::Identity (), format); } int main() { pcl::PCLPointCloud2 cloud; // Load the first file if (!loadCloud ("bun_zipper.ply", cloud)) return (-1); bool format = 1; // Convert to PLY and save saveCloud ("bun_zipper.pcd", cloud, format); return (0); }

2、计算程序运行时间

PCL中计算程序运行时间的函数有很多，利用控制台计算时间的方法是： a、包含头文件 #include <pcl/console/time.h>

b、定义 pcl::console::TicToc time; //定义对象

              time.tic(); //开始记录时间

             /**这里可以放想要计算时间的程序段**/ c、std::cout<<time.toc()<<"ms"<<std::endl;

就可以以hao秒为单位输出“程序段”的运行时间。

运行代码示例：

#include <iostream> #include <pcl/console/time.h> #include <windows.h> int main() { pcl::console::TicToc time; time.tic(); Sleep(1000); std::cout << time.toc() << "ms" << std::endl; return 0; }运行结果一般比实际程序运行时间大3 ms左右

3、ICP算法变种简介

pcl::GeneralizedIterativeClosestPoint< PointSource, PointTarget > Class Template Reference    广义迭代最近点算法 

pcl::IterativeClosestPoint< PointSource, PointTarget, Scalar > Class Template Reference    点到点经典迭代最近点算法

pcl::IterativeClosestPointWithNormals< PointSource, PointTarget, Scalar > Class Template Reference    点到面迭代最近点算法

pcl::IterativeClosestPointNonLinear< PointSource, PointTarget, Scalar > Class Template Reference    非线性迭代最近点算法

pcl::JointIterativeClosestPoint< PointSource, PointTarget, Scalar > Class Template Reference    联合迭代最近点算法

pcl::registration::IncrementalICP< PointT, Scalar > Class Template Reference    增量迭代最近点算法

简介：

a、GeneralizedIterativeClosestPoint是一种ICP变体，它实现了Alex Segal等人描述的广义迭代最近点算法。

在http://www.robots.ox.ac.uk/~avsegal/resources/papers/Generalized_ICP.pdf该方法是基于使用无数成本函数来优化最近的点分配之后的对齐。 原始代码使用GSL和ANN，而在我们中，我们使用特征映射的BFGS和FLANN。

b、IterativeClosestPoint基于奇异值分解（SVD）估计变换，点到点的经典ICP算法。 该算法有几个终止标准： 迭代次数已达到用户最大次数迭代次数（通过setMaximumIterations） 前一个变换和当前估计变换之间的ε（差）小于用户强制值（viasetTransformationEpsilon） 欧几里德平方误差的总和小于用户定义的阈值（通过setEuclideanFitnessEpsilon）

c、IterativeClosestPointWithNormals迭代最近点与法线是一个特殊情况，默认情况下使用基于点到平面距离估计的变换。

d、IterativeClosestPointNonLinear是使用Levenberg-Marquardt优化后端的ICP变体。所得到的变换被优化为四元数。 该算法有几个终止标准： 迭代次数已达到用户最大次数迭代次数（通过setMaximumIterations） 前一个变换与当前估计变换之间的ε（差）小于用户施加的值（通过setTransformationEpsilon） 欧几里德平方误差的总和小于用户定义的阈值（通过setEuclideanFitnessEpsilon）

e、JointIterativeClosestPoint将ICP扩展到共享相同转换的多个帧。 这在使用多次观察来解决相机外部特性时特别有用。 当给予一双云时，这就是到普通的ICP。

f、IncrementalICP增量迭代最近点类。 这个类提供了一种注册云流的方式，每个云将与之前的云对齐。