浅谈：点云库Open3D、PCL以及CGAL（C++）

之所以会想起来去比较这些东西，主要是这些库自己都已经用过，有感而发吧，有些地方说的不对，欢迎评论，虽然我也不会改"~"。

一、Open3D

1.1简介

Open3D是一个开源的点云和网格处理库，其支持快速开发处理3D数据。Open3D前端在c++和Python中公开了一组精心挑选的数据结构和算法；后端则是经过高度优化，并设置为并行化。它只需要很少的工作就可以在不同的平台上进行布置，并从源代码编译。它的优秀毋庸置疑，但网上关于它的资料相对较少。

官方网址：http://www.open3d.org/

1.2特点

1.2.1语言方面

Open3D这个库给我最大的感觉就是他是一个真正面向对象的点云库，它大量使用普通的类概念，通过继承多态等方式来实现各个组件，如果对照《Effective C++》一书中的联邦概念，该库有点属于Object-Oriented C++这一联邦，而且是这部分的集大成者。它没有像PCL与CGAL大量使用模板概念，因此它的代码从阅读的角度来讲非常的通俗易懂，如果是初学者是非常适合学习这个库。此外，就是这个库在高内聚松耦合方面也做的非常不错，很多功能可以用很少的代码就可以实现，模块之间的依赖性也很低，作者在这方面应该也是认真考虑过。不过由于其泛型编程实现较少，其代码的复用性上与PCL、CGAL还是有差距的，在代码的灵活性上更是不能和CGAL进行相比较。

1.2.1功能方面

Open3D给我们提供了关于点云以及曲面网格方面的诸多算法，如点云配准、分割、曲面重建、细分等等。当然从算法的数量上还是比不了PCL（毕竟这家伙发展也快20年了），不过很多功能还是很不错的，尤其是针对曲面网格的处理，有很多不错的算法可以进行学习借鉴。

1.2.1上手难度

就这三个库而言，它的上手难度应该是最低的，如果需要打星和评级，它值得两颗星（仅就上手难度而言），为啥是两颗，因为Matlab与Python要比他更容易上手，虽然我没怎么用过Python版的Open3D，这也是我认为作者做的比较成功的地方，让更多的人可以去使用算法，而不用过于纠结与所谓的语法问题。能用就是一个好的算法库。

二、PCL

2.1简介

点云库(PCL)是一个独立的、大规模的以及开源的项目，主要用于2D/3D图像和点云处理，其遵循BSD协议，可用于商业和学术领域。它的发展也有很长时间了，近些年随着点云的使用越来越广泛，感觉这个库也越来越多的人进行使用，它的相关资料也是最多的。

官方网址：https://pointclouds.org/

2.2特点

2.2.1语言方面

PCL这个库大量使用了泛型编程来实现数据结构以及相关的算法，如果对照C++的联邦概念，它应该属于Template C++联邦，而且是一个非常优秀的泛型编程点云库，不过从学习的角度，它的难度要比Open3D高一些，由于泛型编程的大量使用，它的整个库的思路是其实就有Open3D有所不同，它主要是“分离”的思想在起主导作用，怎么说呢该库的分离并没有那么彻底，这里暂且称之为一种“藕断丝连的分离”。其复用性与灵活性相较于Open3D有较大的提升，不过学习成本自然也相应的高很多。毕竟学校教了一大堆面向对象的东东，突然你告诉我不适用了，需要有个适应的过程。

2.2.2功能方面

仅就点云而言，PCL在点云数据处理方面，有着非常大的优势，它拥有诸多点云算法，涵盖点云处理的方方面面，可以说是3D空间的OpenCV，学会了这个库也就相当于真正走进点云的大门，不过值得一说的是，PCL中的算法计算效率并没有达到最好的状态，我到现在还记得使用PCL数学形态学滤波代码跑了一整天，它的并行化以及相关的内存管理还无法与接下来这个库CGAL进行比较。不过已经非常不错了，对于科研工作已经绰绰有余。

2.2.3上手难度

就这三个库而言，它的上手难度应该是属于中等，如果需要打星和评级，它值得三颗星（仅就上手难度而言），从中可以学到许多关于泛型编程的技巧。

三、CGAL

3.1简介

CGAL （计算几何算法库），是一个大型 C++ 的几何数据结构和算法库，如 Delaunay 三角网，网格生成，布尔运算的多边形，以及各种几何处理算法等，当然同时也可以使用它对点云的进行诸多处理。 CGAL被广泛用于各个领域，如计算机图形学，科学可视化，计算机辅助设计与建模，地理信息系统，分子生物学，医学影像学，机器人学和运动规划，以及数值方法等。（这段话大部分摘自官网，由于我也刚接触它不久，所以用官网的语言来描述它吧"_"）

官方网址：https://www.cgal.org/

3.2特点

3.2.1语言方面

第一次接触CGAL就感觉它是STL库的一个翻版，当然从使用的角度来讲，它要比STL这个库还要复杂很多，这是由于该库引入了几何方面的信息（内核概念）。同上，该库应该与STL同属一个联邦，我这里暂且称它为“类STL”。在语言方面你可以看到它具有类似于STL的六大部件，仿函数、迭代器、算法等，因此它的使用与STL也有诸多相似之处，而且要更为复杂。怎么说呢，阅读它的源码是一种极致的“享受”，这可不是啥好话，它会把你好好折磨一番。不过从源码可以看出作者的认真以及考究的态度（也有可能是几何库的原因），他们定义了一个个几何内核类型，并研究数值计算的精确与否。该库实现了一种“完全分离”的状态，它就像古代的活字印刷术，拥有着非常高的复用性和灵活性，此外其还应用了诸多traits编程技巧，甚至有的“炫技”的意味（当然这是一种称赞"_"），如果有同学实在看不下去STL源码，可以来学习这个库，会起到一样的效果，在学习的同时也能做出很有趣的东西。

3.2.2功能方面

该库提供了很多处理点云以及网格的算法，如可以生成很常见的TIN、DEM、DSM等模型，它的三角网算法也是要比前两个库无论效果还是计算效率都要好一些。此外，该库的并行化以及内存管理也很不错，更多的内容可以参阅官网上的介绍。

3.2.3上手难度

就这三个库而言，它的上手难度应该是属于最难，如果需要打星和评级，它值得五颗星（仅就上手难度而言），不过想要深入了解它的确需要一定的基础知识（仅个人观点）。

四、其他

当然除了上面的三个库之外，还有一些偏软件工程（不是纯正的算法库）的开源项目，如CloudCompare以及Meshlab，这两种都支持插件式与非插件式的二次开发，我一直感觉上面的算法库在可视化方面仅仅是处于能用的阶段，完全谈不上优美简洁，而这两个项目可以很好的解决可视化方面的问题（仅个人观点）。此外这两个工程也提供了大量的源代码可供学习，涉及到方方面面，如点云分割、曲面拟合、分类以及曲面重建等等，有很多地方都值得我们学习借鉴。

五、建议

1、不要害怕代码出现错误，这是学习这些库的必要过程。
2、好好学习，天天向上。
3、前面都是假大空，这条是实在话，学东西是学不完的，请早睡早起，锻炼身体。
最后，对于这篇博客请先质疑再相信，OK，就这些了，睡了睡了。