PCL学习01之点云的基本操作
1、向pcd文件写入点云数据
个人笔记：
- 实例化的模板类PointCloud 每一个点的类型都设置为pcl::PointXYZ
点PointXYZ类型对应的数据结构
Structure PointXYZ{
float x;
float y;
float z;
}; - PointXYZ是一个vector
- 判断点云是否有序：cloud.isOrganized()
- argc 表示你在命令行下输入命令的时候，一共有多少个参数， argv 用来取得你所输入的参数
存储点云文件：pcl::io::savePCDFileASCII(“…/path”, cloud);
#include2、从pcd文件读取点云数据
笔记：
出现原因：在读取点云时，debug下不能正常运行，release可以
debug：会增加调试代码
release用于发布 release下不报错是忽略了错误而不是没有错误
*打开点云文件：pcl::io::loadPCDFilepcl::PointXYZ(pcd_path, cloud)
步骤：
- 创建一个 PointCloud提升共享指针并对其进行初始化。
- 将test_pcd.pcd 加载到二进制blob中
- 读取二进制blob并将其转换为模板化的PointCloud格式
#include
//boost共享指针进行初始化
//pcl::PointCloud::Ptr cloud(new pcl::PointCloud< pcl::PointXYZ >);
//pcl::PointCloud::Ptr cloud = std::make_shared>();
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
std::string pcd_path = "../test_pcd.pcd";
//打开点云文件
// 将test_pcd.pcd 加载到二进制blob中
//if (pcl::io::loadPCDFile("D://0718box//test_pcd.pcd", *cloud) == -1)
if (pcl::io::loadPCDFile<pcl::PointXYZ>(pcd_path, *cloud) == -1)
{
//PCL_ERROR("Cloud not read file test_pcd.pcd \n");
std::cerr << "Cloud not read file test_pcd.pcd" << std::endl;
return (-1);
}
std::cout << " Loaded "
<< cloud->width * cloud->height
<< " data points from test_pcd.pcd with the following fields:"
<< std::endl;
//for (size_t i = 0; i < cloud->points.size(); ++i)
//{
// std::cout << " " << cloud->points[i].x
// << " " << cloud->points[i].y
// << " " << cloud->points[i].z << std::endl;
//}
//读取二进制blob并将其转换为模板化的PointCloud格式
for (const auto& point : *cloud)
{
std::cout << " "<<point.x << " " << point.y << " " << point.z << std::endl;
}
return (0);
}
3、连接两个不同点云为一个点云
点云连接 concatenate points 列的下方连接
字段连接 concatenate fields 行的基础后连接
**pcl::concatenateFields(cloud_a, n_cloud_b,p_n_cloud_c);**
在连接两个点云前，要确保两个数据集中字段的类型相同和维度相同，
同时了解如何连接两个不同点云的字段颜色，法线）,这种操作的强制约束条件是两个数据集中的点数目必须一样
个人笔记：
1、std::cerr与std::cout的区别
cerr是一个ostream对象，C++标准错误输出流，关联到标准错误，写到cerr的数据是不缓冲的，
cree通常用于输出错误与其他不属于正常逻辑的输出内容
cree的目的：在紧急情况下，能得到输出功能。
缓冲区：减少刷屏的次数，不带缓冲，就会每写一个字母，输出一个字母，不断刷屏；有了缓冲区，就会看到很多个语句同时出现在屏幕上
2、pcl::Normal 是最常见的一种点的类型，代表了给定点的曲面法线（normal)和曲率的测量
pcl::PointCloud类的模板参数，定义了点云的存储类型
常用的点的类型：
pcl::PointXYZ，存储着点的x,y,z信息
pcl::PointXYZI,在上面的基础上，包含了一个域描述点的密集程度
pcl::PointWithRange,存储点的范围
pcl::PointXYZRGBA：存储3D信息的同时和RGB与Alpha(透明度）
用户也可以自己定义自己的类型
#pragma warning(disable:4996)；
#include4、获取传感器深度
boost::signals2实现了线程安全，是一种函数的回调机制
#include个人笔记：
1、cloud.makeShared()；
pcl::PointCloud.makeshared()返回的是一个对当前点云深度复制后的对象的智能指针
也就是说
pcl::PointCloudcloud;
pcl::PointCloud::Ptr p=cloud.makeshared();
其中p并不指向cloud的空间，而是深拷贝了cloud放在新的内存空间上，然后返回新空间的指针
所以，用过p操作点云，cloud不会改变
2、加快ASCII格式存储，将pcd文件换成Binary格式存储
pcl::io::savePCDFileBinary（“path”,*cloud);
5、获取pcd文件点云格式
void get_PCD_Fromat()
{
pcl::PCLPointCloud2 cloud;
pcl::PCDReader reader;
reader.readHeader("D://0718box//test_pcd.pcd", cloud);
for (int i = 0; i < cloud.fields.size(); i++)
{
std::cout << cloud.fields[i].name<<std::endl;//cout:xyz型
}
}
6、实现pcl::PointCloud::Ptr 和pcl::PointCloud的两个类型转换
void type_Conversion()
{
//创建存放点云的对象
pcl::PointCloud < pcl::PointXYZ>::Ptr cloudPointer(new pcl::PointCloud<pcl::PointXYZ>);
pcl::PointCloud<pcl::PointXYZ>cloud;
cloud = *cloudPointer;
cloudPointer = cloud.makeShared();
}
7、给pcl::PointXYZ类型的点云在显示时指定颜色
头文件：#include<pcl/visualization/pcl_visualizer.h>
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> sig(cloud, 255, 22, 99);
#include8、查找点云的x,y,z的极值
pcl::getMinMax3D函数说明：
cloud为输入点云，而非指针（共享指针则写为*cloud），
输出min_pt为所有点中最小的x值，y值，z值，输出max_pt为为所有点中最大的x值，y值，z值.而非某个点。
头文件：#include
void pcl_Max_Min()
{
//pcl::PointCloud::Ptr cloud(new pcl::PointCloud);
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud;
cloud = pcl::PointCloud<pcl::PointXYZ>::Ptr(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile<pcl::PointXYZ>("D://0718box//0718-04.pcd", *cloud);
pcl::PointXYZ minPt, maxPt;
pcl::getMinMax3D(*cloud, minPt, maxPt);
//pcl::getMinMax3D(*cloud, minPt, maxPt);
std::cout << "Max_x:" << maxPt.x << " " << "Max_y:" << maxPt.y << " " << "Max_z:" << maxPt.z << std::endl;
std::cout << "Min_x:" << maxPt.x << " " << "Min_y:" << minPt.y<< " " << "Min_z:" << minPt.z << std::endl;
}
9、根据索引将原点云copy到新点云
#include10、从点云中添加和删除点
//从点云中添加和删除点
void pcd_del()
{
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile<pcl::PointXYZ>("D://0718box//0718-04.pcd", *cloud);
pcl::PointCloud<pcl::PointXYZ>::iterator index = cloud->begin();
cloud->erase(index, index + 999);//区间删除
index = cloud->begin() + 999;//单个删除
cloud->erase(cloud->begin());
//可视化
pcl::visualization::PCLVisualizer viewer("Cloud Viewer");//创建对象
viewer.setBackgroundColor(0.05, 0.05, 0.05, 0);//背景为白色
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> sig(cloud, 230, 66, 99);
viewer.addPointCloud(cloud, sig, "cloud");
//设置大小
//viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 1);
//直到关闭窗口结束循环
while (!viewer.wasStopped())
{
//每次循环调用内部的重绘函数
viewer.spinOnce();
}
}
void pcd_add()
{
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::io::loadPCDFile<pcl::PointXYZ>("D://0718box//0718-04_test.pcd", *cloud);
pcl::PointCloud<pcl::PointXYZ>::iterator index = cloud->begin();
pcl::PointXYZ point = { 1,1,1 };
//std::vector index = { 1, 3, 5, 7, 8, 11, 56, 77 };
cloud->insert(cloud->begin() + 7, point);//在索引号为7的位置1上插入一点，原来的点后移一位
cloud->push_back(point);//在点云最后面插入一点
std::cout << cloud->points[7].x<<std::endl;
//打印输出点云数据
for (size_t i = 0; i < cloud->points.size(); ++i)
{
std::cout << cloud->points[i].x << " " << cloud->points[i].y << " " << cloud->points[i].z << std::endl;
}
//可视化
pcl::visualization::PCLVisualizer viewer("Cloud Viewer");//创建对象
viewer.setBackgroundColor(0.05, 0.05, 0.05, 0);//背景为白色
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> sig(cloud, 230, 66, 99);
viewer.addPointCloud(cloud, sig, "cloud");
viewer.setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 5);
//直到关闭窗口结束循环
while (!viewer.wasStopped())
{
//每次循环调用内部的重绘函数
viewer.spinOnce();
}
}