1. PCL架构图

image.png
image.png

PCL是一个模块化的现代C++模板库.
其基于以下第三方库:
Boost、Eigen、FLANN、VTK、CUDA、OpenNI、QHull，
实现点云相关的获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。

• Boost：用于共享指针和线程；
• Eigen：用于矩阵、向量等数据操作；
• FLANN：用于在KD树模块中快速近邻搜索；
• VTK：在可视化模块中用于3D点云渲染和可视化；

2. PCL模块库

为了进一步简化和开发，PCL被分成一系列较小的代码库：

• libpcl filters：采样、去除离群点、特征提取、拟合估计等过滤器。
• libpcl features：实现多种三维特征，如曲面法线、曲率、边界点估计、矩不变量、主曲率，PFH和FPFH特征，旋转图像、积分图像，NARF描述子，RIFT，相对标准偏差，数据强度的筛选等等；
• libpcl I/O：实现数据的输入和输出操作,PCD的读写。
• libpcl segmentation：实现聚类提取，如通过采样一致性方法对一系列参数模型（如平面、柱面、球面、直线等）进行模型拟合点云分割提取，提取多边形棱镜内部点云等等；
• libpcl surface：实现表面重建技术，如网格重建，凸包重建,移动最小二乘法平滑MLS。
• libpcl register：实现点云配准方法，如ICP等。
• libpclkeypoints：实现不同的关键点提取方法。
• libpcl range：实现支持不同点云数据集生成的范围图像。

3. PCL中一个处理管道的基本结构程序如下:

(1)创建处理对象：（例如过滤、特征估计、分割等）;
(2)使用setInputCloud通过输入点云数据，处理模块;
(3)设置算法相关参数;
(4)调用计算（或过滤、分割等）得到输出。

possion reconstrction泊松表面重建为例.

image.png

    // step1.计算法向量
    pcl::PointCloud<pcl::PointNormal>::Ptr cloud_with_normals(new pcl::PointCloud<pcl::PointNormal>); //法向量点云对象指针
    pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> n;                                                                                            //法线估计对象
    pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);                                            //存储估计的法线的指针
    pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
    tree->setInputCloud(cloud);
    n.setInputCloud(cloud);
    n.setSearchMethod(tree);
    n.setKSearch(20);
    n.compute(*normals); //计算法线，结果存储在normals中

  // 显示法线向量
  boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer1;
  viewer1 = viewportsVis(cloud,normals);

    //将点云和法线放到一起
    pcl::concatenateFields(*cloud, *normals, *cloud_with_normals);

    //创建搜索树
    pcl::search::KdTree<pcl::PointNormal>::Ptr tree2(new pcl::search::KdTree<pcl::PointNormal>);
    tree2->setInputCloud(cloud_with_normals);
    //创建Poisson对象，并设置参数
    pcl::Poisson<pcl::PointNormal> pn;
    pn.setConfidence(false);         //是否使用法向量的大小作为置信信息。如果false，所有法向量均归一化。
    pn.setDegree(2);                         //设置参数degree[1,5],值越大越精细，耗时越久。
    pn.setDepth(8);                          //树的最大深度，求解2^d x 2^d x 2^d立方体元。由于八叉树自适应采样密度，指定值仅为最大深度。
    pn.setIsoDivide(8);                  //用于提取ISO等值面的算法的深度
    pn.setManifold(false);           //是否添加多边形的重心，当多边形三角化时。 设置流行标志，如果设置为true，则对多边形进行细分三角话时添加重心，设置false则不添加
    pn.setOutputPolygons(false); //是否输出多边形网格（而不是三角化移动立方体的结果）
    pn.setSamplesPerNode(3.0);   //设置落入一个八叉树结点中的样本点的最小数量。无噪声，[1.0-5.0],有噪声[15.-20.]平滑
    pn.setScale(1.25);                   //设置用于重构的立方体直径和样本边界立方体直径的比率。
    pn.setSolverDivide(8);           //设置求解线性方程组的Gauss-Seidel迭代方法的深度
    //pn.setIndices();

    //设置搜索方法和输入点云
    pn.setSearchMethod(tree2);
    pn.setInputCloud(cloud_with_normals);
    //创建多变形网格，用于存储结果
    pcl::PolygonMesh mesh;
    //执行重构
    pn.performReconstruction(mesh);

    //保存网格图
    pcl::io::savePLYFile("result.ply", mesh);

参考:

1. https://my.oschina.net/u/2306127/blog/548624?p={{currentPage-1}}
2. https://blog.csdn.net/qq_40132200/article/details/79681494
3. 点云库PCL学习教程