PCL库学习系列一.点云的读取

「爱情、让人受尽委屈。」 2022-03-11 14:52 527阅读 0赞

# 1.点云数据文件格式(\*.PCD) #

test\_pcd.pcd

# .PCD v0.7 - Point Cloud Data file format
    VERSION 0.7
    FIELDS x y z
    SIZE 4 4 4
    TYPE F F F
    COUNT 1 1 1
    WIDTH 5
    HEIGHT 1
    VIEWPOINT 0 0 0 1 0 0 0
    POINTS 5
    DATA ascii
    0.35222197 -0.15188313 -0.10639524
    -0.3974061 -0.47310591 0.29260206
    -0.73189831 0.66710472 0.44130373
    -0.73476553 0.85458088 -0.036173344
    -0.46070004 -0.2774682 -0.91676188

### 为什么用一种新的文件格式？ ###

PCD文件格式并非白费力气地做重复工作，现有的文件结构因本身组成的原因不支持由PCL库引进n维点类型机制处理过程中的某些扩展，而PCD文件格式能够很好地补足这一点。PCD不是第一个支持3D点云数据的文件类型，尤其是计算机图形学和计算几何学领域，已经创建了很多格式来描述任意多边形和[激光扫描仪][Link 1]获取的点云。包括下面几种格式：

\*  PLY是一种多边形文件格式，由Stanford大学的Turk等人设计开发；

\* STL是3D Systems公司创建的模型文件格式，主要应用于CAD、CAM领域；

\*  OBJ是从几何学上定义的文件格式，首先由Wavefront Technologies开发；

\*  X3D是符合ISO标准的基于XML的文件格式，表示3D计算机图形数据；

\*  其他许多种格式。

### PCD版本 ###

在点云库（PCL）1.0版本发布之前，PCD文件格式有不同的修订号。这些修订号用PCD\_Vx来编号（例如，PCD\_V5、PCD\_V6、PCD\_V7等等），代表PCD文件的0.x版本号。然而PCL中PCD文件格式的正式发布是0.7版本（PCD\_V7）。

### 文件头格式 ###

每一个PCD文件包含一个文件头，它确定和声明文件中存储的点云数据的某种特性。PCD文件头必须用ASCII码来编码。PCD文件中指定的每一个文件头字段以及ascii点数据都用一个新行（\\n）分开了，从0.7版本开始，PCD文件头包含下面的字段：

·VERSION –指定PCD文件版本

·FIELDS –指定一个点可以有的每一个维度和字段的名字。例如：

FIELDS x y z                                   \# XYZ data

FIELDS x y z rgb                          \# XYZ + colors

FIELDS x y z normal\_xnormal\_y normal\_z         \# XYZ + surface normals

FIELDS j1 j2 j3                                \# moment invariants

...

·SIZE –用字节数指定每一个维度的大小。例如：

*unsigned char*/*char* has 1 byte

*unsigned short*/*short* has 2 bytes

*unsignedint*/*int*/*float* has 4 bytes

*double* has 8 bytes

·TYPE –用一个字符指定每一个维度的类型。现在被接受的类型有：

**I** –表示有符号类型int8（char）、int16（short）和int32（int）；

**U** – 表示无符号类型uint8（unsigned char）、uint16（unsigned short）和uint32（unsigned int）；

**F** –表示浮点类型。

·COUNT –指定每一个维度包含的元素数目。例如，x这个数据通常有一个元素，但是像VFH这样的特征描述子就有308个。实际上这是在给每一点引入n维直方图描述符的方法，把它们当做单个的连续存储块。默认情况下，如果没有COUNT，所有维度的数目被设置成1。

·WIDTH –用点的数量表示点云数据集的宽度。根据是有序点云还是无序点云，WIDTH有两层解释：

1)它能确定无序数据集的点云中点的个数（和下面的POINTS一样）；

2)它能确定有序点云数据集的宽度（一行中点的数目）。

注意：有序点云数据集，意味着点云是类似于图像（或者矩阵）的结构，数据分为行和列。这种点云的实例包括立体摄像机和时间飞行摄像机生成的数据。有序数据集的优势在于，预先了解相邻点（和像素点类似）的关系，邻域操作更加高效，这样就加速了计算并降低了PCL中某些算法的成本。

例如：

WIDTH 640       \# 每行有640个点

·HEIGHT –用点的数目表示点云数据集的高度。类似于WIDTH ，HEIGHT也有两层解释：

1)它表示有序点云数据集的高度（行的总数）；

2)对于无序数据集它被设置成1（被用来检查一个数据集是有序还是无序）。

有序点云例子：

WIDTH 640       \# 像图像一样的有序结构，有640行和480列，

HEIGHT 480      \# 这样该数据集中共有640\*480=307200个点

无序点云例子：

WIDTH 307200

HEIGHT 1        \# 有307200个点的无序点云数据集

·VIEWPOINT–指定数据集中点云的获取视点。VIEWPOINT有可能在不同坐标系之间转换的时候应用，在辅助获取其他特征时也比较有用，例如曲面法线，在判断方向一致性时，需要知道视点的方位，

视点信息被指定为平移（txtytz）+四元数（qwqxqyqz）。默认值是：

VIEWPOINT 0 0 0 1 0 0 0

·POINTS–指定点云中点的总数。从0.7版本开始，该字段就有点多余了，因此有可能在将来的版本中将它移除。

例子：

POINTS 307200   \#点云中点的总数为307200

·DATA –指定存储点云数据的数据类型。从0.7版本开始，支持两种数据类型：ascii和二进制。查看下一节可以获得更多细节。

注意：文件头最后一行（DATA）的下一个字节就被看成是点云的数据部分了，它会被解释为点云数据。

警告：PCD文件的文件头部分必须以上面的顺序精确指定，也就是如下顺序：

VERSION、FIELDS、SIZE、TYPE、COUNT、WIDTH、HEIGHT、VIEWPOINT、POINTS、DATA

之间用换行隔开。

### 数据存储类型 ###

在0.7版本中，.PCD文件格式用两种模式存储数据：

如果以ASCII形式，每一点占据一个新行：

p\_1

p\_2

...

p\_n

注意：从PCL 1.0.1版本开始，用字符串“nan”表示NaN，此字符表示该点的值不存在或非法等。

如果以二进制形式，这里数据是数组（向量）pcl::PointCloud.points的一份完整拷贝，在[Linux系统][Linux]上，我们用mmap/munmap操作来尽可能快的读写数据，存储点云数据可以用简单的ascii形式，每点占据一行，用空格键或Tab键分开，没有其他任何字符。也可以用二进制存储格式，它既简单又快速，当然这依赖于用户应用。ascii格式允许用户打开点云文件，使用例如gunplot这样的标准软件工具更改点云文件数据，或者用sed、awk等工具来对它们进行操作。

### 相对其他文件格式的优势 ###

用PCD作为（另一种）文件格式可能被看成是没有必要的一项工作。但实际中，情况不是这样的，因为上面提到的文件格式无一能提高PCD文件的适用性和速度。PCD文件格式包括以下几个明显的优势：

l  存储和处理有序点云数据集的能力——这一点对于实时应用，例如增强现实、机器人学等领域十分重要；

l    二进制mmap/munmap数据类型是把数据下载和存储到磁盘上最快的方法；

l   存储不同的数据类型（支持所有的基本类型：char，short，int，float，double）——使得点云数据在存储和处理过程中适应性强并且高效，其中无效的点的通常存储为NAN类型；

l    特征描述子的n维直方图——对于3D识别和计算机视觉应用十分重要。

另一个优势是通过控制文件格式，我们能够使其最大程度上适应PCL，这样能获得PCL应用程序的最好性能，而不用把一种不同的文件格式改变成PCL的内部格式，这样的话通过转换函数会引起额外的延时。

注意：尽管PCD（点云数据）是PCL中的内部文件格式，pcl\_io库也提供在前面提到的所有其他文件格式中保存和加载数据。

# 2.PCL读取点云，并在窗口中显示。 #

## 2.1创建c++文件包 ##

包格式如下：build，src文件夹以及CMakeList.txt文件。

![20190308103636982.png][]

创建pcd\_read.cpp

#include <iostream>
    #include <pcl/io/pcd_io.h>
    #include <pcl/point_types.h>
    #include <pcl/visualization/cloud_viewer.h>
    int
    main (int argc, char** argv)
    {
      pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
    
      if (pcl::io::loadPCDFile<pcl::PointXYZ> ("test_pcd.pcd", *cloud) == -1) //* load the file
      {
        PCL_ERROR ("Couldn't read file test_pcd.pcd \n");
        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;
    
      pcl::visualization::CloudViewer viewer("Simple Cloud Viewer");//创建一个显示窗口
      viewer.showCloud(cloud);					//显示点云
      while(!viewer.wasStopped())
      {  
      }
    
      return (0);
    }

## 编译运行 （切换到build文件夹下） ##

cmake ..
    make
    ./pcd_read

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMTc2MTE2_size_16_color_FFFFFF_t_70][]

# 3.PCL创建点云，保存为pcd文件。 #

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMTc2MTE2_size_16_color_FFFFFF_t_70 1][]

pcd\_write.cpp

#include <iostream>
    #include <pcl/io/pcd_io.h>
    #include <pcl/point_types.h>
    
    int
      main (int argc, char** argv)
    {
      pcl::PointCloud<pcl::PointXYZ> cloud;
    
      // Fill in the cloud data
      cloud.width    = 5;
      cloud.height   = 1;
      cloud.is_dense = false;
      cloud.points.resize (cloud.width * cloud.height);
    
      for (size_t i = 0; i < cloud.points.size (); ++i)
      {
        cloud.points[i].x = 1024 * rand () / (RAND_MAX + 1.0f);
        cloud.points[i].y = 1024 * rand () / (RAND_MAX + 1.0f);
        cloud.points[i].z = 1024 * rand () / (RAND_MAX + 1.0f);
      }
    
      pcl::io::savePCDFileASCII ("test_pcd.pcd", cloud);
      std::cerr << "Saved " << cloud.points.size () << " data points to test_pcd.pcd." << std::endl;
    
      for (size_t i = 0; i < cloud.points.size (); ++i)
        std::cerr << "    " << cloud.points[i].x << " " << cloud.points[i].y << " " << cloud.points[i].z << std::endl;
    
      return (0);
    }

[Link 1]: https://www.baidu.com/s?wd=%E6%BF%80%E5%85%89%E6%89%AB%E6%8F%8F%E4%BB%AA&tn=24004469_oem_dg&rsv_dl=gh_pl_sl_csd
[Linux]: https://www.baidu.com/s?wd=Linux%E7%B3%BB%E7%BB%9F&tn=24004469_oem_dg&rsv_dl=gh_pl_sl_csd
[20190308103636982.png]: /images/20220311/fa4ec36ff9894e7eb75ddcac533d7f54.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMTc2MTE2_size_16_color_FFFFFF_t_70]: /images/20220311/5403581034814a2ba5a29c720275d13b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzMTc2MTE2_size_16_color_FFFFFF_t_70 1]: /images/20220311/0077cf2edae346b089111cbf92b7d1ca.png