（二）PCL基本数据类型

PointCloud

在PCL 1.x中最基本的数据类型就是PointCloud了。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）：
- width(int)
==指定了点云数据中的宽度==。width有两层含义：
- 可以指定点云的数量，但是只是对于无序点云而言。
- 指定有序点云中，一行点云的数量。

有序点云（organized point cloud ）：有序点云中的点排列情况类似图片（或矩阵），是按照行和列的结构排列的。这样的点云数据通常来自立体相机或TOF相机。有序点云的优势在于，通过知道两个相邻点的关系，最近邻点操作会变得更加有效，因此可以加速计算，并且降低PCL中一些算法的开销。

投影点云（projectable point cloud）：投影点云首先属于有序点云，并且投影点云中点的下标表示–（u,v）类似图片中像素的坐标，与这个点的3D坐标（x,y,z）有一定的关系。这个关系可以由针孔相机模型导出：
u=fxz u = f x z 和 v=fyz v = f y z

例如：

cloud.width = 640; // 每行有640个点

• 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），以此来区分点云是否有序。
    例如：

// 有序点云--类似图片中像素的组织结构，拥有640行，480列，总共有640*480 = 307200个点
cloud.width = 640; 
cloud.height = 480;

// 无序点云--高度为1，宽度与点云大小相同为307200
cloud.width = 307200;
cloud.height = 1;

• 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：

pcl::PointCloud cloud;
std::vector data = cloud.points;

• 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）。
• 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。
• 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：

if (!cloud.isOrganized ())
  ...

PointT代表了点云中的单元-点的类型。