我的 PCL 入门之路 - 快车库

不得不知的PCL

作为一个研究逆向工程的入门学员，想必没人不知道PCL的大名。所谓PCL（Point Cloud Library）其实就是一个开源的c++代码库，它实现了大量点云相关的通用算法和高效的数据管理结构，不仅涉及逆向工程领域，其还在模式识别，机器人视觉，计算机图形学，虚拟现实等众多领域大显神威。

基于以下第三方库：Boost，Eigen，FlANN，VTK，OpenNI，QHull，实现了点云获取，滤波，分割，精简，配准，特征提取，追踪，曲面重建和可视化等功能。

迈开“艰难”的第一步

所谓“艰难”的第一步，其实说白了就是IDE的选择问题，只是因为自己对Linux和window都是略知一二。在选择Linux或win搭建开发平台时犯了所谓的“选择恐惧症”的问题。先说window，因为自己以前曾在window+vs2010下配置opengl开发环境，在配置opengl时，各种依赖各种手动链接然后各种错误，不胜其烦，也因为在win下各种编程的不适，让我果断选择了在linux下搭建开发平台。

既然选择了linux，那末接下来便是理所当然的事情--获取PCL源码包。PCL源码包可以在其官方网站获取，当获取源码包之后，顺理成章的便是将其解压并在解压出的文件新建一个空工程文档（我的习惯是mkdir build && cd build，以下便用build代表自己所建的工程文档吧），进入build之后，便可执行 cmake..，利用cmake编译源码包，用以生成和自己电脑环境相匹配的开发环境。当然，如果你只想用PCL的某个单一的功能，可在build文件中执行ccmake..，这时候，便会出现一个选择窗口，只对你想安装的函数选择编译即可。

既然现在已经生成了和自己电脑环境匹配的PCL环境，下一步自然是是依据你cmake生成的编译环境，建立PCL的链接库，这样必须用make，即 make （耗时较长）。

环境配置好了，PCL的链接库也已经生成，最后一步就是将我们生成的各种库文件安装在我们电脑中，sudo make install 可帮你完成你的意愿。

其实罗嗦了这麽一大堆，归结起来就之后四句话：

下载获取PCL源文件解压，并 cd pcl
mkdir build && cd build
cmake .. && make
sudo make install

把“浮云”抛到身后

暂时先把PCL的命名规范，目录命名，结构体，类，变量名等等以后必不可少，但现在还用不到的东西统统称为“浮云”，既然归于浮云，那就先让它随风而逝吧。

相信必定有或多或少的“同志”和我一样，在完美构建完PCL开发平台之后，第一件事并不是拿着《PCL点云学习教程》或是在PCL官方网站上开始从头学习，而是先找个官网实例练验证一下再说。好吧，我们就是最简单的输入输出来说。
首先，必须有供输入的文件，PCL建议的文件格式为".pcd",可从官网上下载任意“.pcd”文件即可。

既然想体验PCL，好吧，直接把输入输出代码copy过来把：

 #include <iostream>
 #include <pcl/io/pcd_io.h>
 #include <pcl/point_types.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) 
      {
        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; 
      return (0);
 }

当上面这段小程序运行成功后，可以断定你的PCL开发平台已经搭建成功。

我想稍有一点编程经验的，应该都可以看懂。从上边代码中，是否可以发现一些PCL的特色呢？

下面贴出我的几个练习实例吧。

1)体素网格精简

2）法向量可视化

3）曲面重建