PCL(Point Cloud Library)学习指南&资料推荐

PCL开始上手其实有点容易迷惑，而且PCL文档最近（2020）改版了。里面很多文档和之前的都不一样了，我自己学习PCL时，看的是最新文档，也踩了很多坑，现在分享一下自己的学习方法和思路，希望对大家有所帮助。先放下个人学习代码 （有详细中文注解）：https://github.com/HuangCongQing/pcl-learning 自己做了很多笔记，有时间可以整理出来，发出来！

PCL 介绍

首先肯定先介绍下PCL，虽然大家都大概知道了(✿◡‿◡)！如下：
官网和github连接先mark这了。
官网：https://pointclouds.org/
GitHub：https://github.com/PointCloudLibrary/pcl

点云数据的处理可以采用获得广泛应用的Point Cloud Library (点云库，PCL库)。
PCL库是一个最初发布于2013年的开源C++库。它实现了大量点云相关的通用算法和高效的数据管理。
支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说OpenCV是2D信息获取与处理的技术结晶，那么PCL在3D信息获取与处理上，就与OpenCV具有同等地位
PCL是BSD授权方式，可以免费进行商业和学术应用。

下面是PCL架构图

如图PCL架构图所示，对于3D点云处理来说，PCL完全是一个的模块化的现代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。

我们主要学习的就是里面各种模块，总体来说16个模块（下图中有15个，少了recognition），如下：
官网各模块：https://pcl.readthedocs.io/projects/tutorials/en/latest/#

01common
02kdtree k维tree
03octree 八叉树
04search
05sample consensus 抽样一致性模块
06range-images深度图像
07tracking （此模块，没有官方示例代码）
08 io 输入输出
09 filters 滤波
10 features 特征
11 surface表面
12 segmentation分割
13 recognition识别（下图中没有）
14 registration配准
15 visualization可视化
16 keypoints关键点

每个模块都有依赖关系，依赖关系如下图（可以看出有四层），最基本的就是最底层的commom模块。
箭头对应的是依赖关系，比如第二层的kdtree依赖于common；第四层的registration有四个箭头，分别是sample_consensus, kdtree, common, features。

官方图

 B站up主画的更详细的图

PCL学习指南

PCL最近（2020）改版了。里面很多文档和之前的都不一样了，我自己学习PCL时时，是看的最新文档，也踩了很多坑，现在分享一下自己的学习方法和思路，希望对大家有所帮助。

1 理解入门

入门资料：

视频：bilibili-PCL点云库官网教程

点云库PCL学习教程书籍每章总结：https://github.com/MNewBie/PCL-Notes

大家应该都明白，官方文档是最好的学习资料，但目前没有中文版，我看有些博主也翻译了一部分，现在特意整理了下！

第一步，首先，大家什么都不了解的话，强烈推荐大家看这个视频入门：

bilibili-PCL点云库官网教程


第二步，然后，有一本中文教程大家应该知道：
点云库PCL学习教程，朱德海，北京航空航天大学出版社
这本书好多人吐槽，因为就是英文的官方文档翻译过来的，还有一些错误信息。
不过作为入门还是挺好的，里面有附带的代码demo（就是官网上的），下面是书籍PDF版和示例代码，有需要的可以看下。

百度网盘资料：链接：https://pan.baidu.com/s/1ziq8s_kj5QpM8eXO_d6RJg 提取码：g6ny

但是这本书我没有看，因为当时在github上发现了一个人总结的书中的笔记，如下。
文档写的还挺好的，大家可以先看这个打基础，对PCL有个宏观的了解！
https://github.com/MNewBie/PCL-Notes

经过上面两步，大家应该对PCL有所了解，然后我们就敲代码吧!

2 代码实践

代码实践资料：

官方各模块示例(和对应的对象函数对照着看)【英文】：https://pcl.readthedocs.io/projects/tutorials/en/latest/#

官方各模块对应的对象和函数【英文】：

https://pointclouds.org/documentation/modules.html

https://pointclouds.org/ 点击网站中的12宫图，没一格对应一个模块的对象函数详解

黑马机器人系列文档：PCL-3D点云：http://robot.czxy.com/docs/pcl/

CSDN博主系列文章PCL学习(64篇)：https://www.cnblogs.com/li-yao7758258/category/954066.html

代码学习主要看两块：官方示例demo + 每个示例中的对象函数介绍。
主要结合这两块来看：边看示例代码，边看代码里面对象函数的参数详情。

官方示例demo代码（官方英文，后面可以结合中文注解一起看，下面有写）

各模块的官方示例demo位置在网站侧边栏。如下图
https://pcl.readthedocs.io/projects/tutorials/en/latest/#

各模块的函数详解

进入各模块有两种方式

下面链接侧边栏也都是各模块函数详情，如下图：

https://pointclouds.org/documentation/modules.html

官网的Getting Started中的12宫图，每一格对应一个模块的对象函数详解，如下图

https://pointclouds.org/

filters	features	keypoints

registration	kdtree	octree

segmentation	sample_consensus	surface

recognition	io	visualization

Common	Search

单个模块学习举例（比如IO模块）

总的学习方法：

先将要学的官网IO模块的实例demo代码和IO模块函数的详解页面打开

然后将模块介绍和中文代码注释的博客打开，一起学习

首先，将官网IO模块的实例demo代码和IO模块函数的详解页面打开，如下图：
实例demo代码（实战）每个模块都有几个demo代码，点击进去里面有代码的解释

s https://pcl.readthedocs.io/projects/tutorials/en/latest/index.html#i-o

IO模块函数class

https://pointcloudlibrary.github.io/documentation/group__io.html

同时，可以结合看中文详情博客笔记：
从PCD文件写入和读取点云数据
 http://robot.czxy.com/docs/pcl/chapter01/io/
个人学习代码**（有详细中文注解）**：https://github.com/HuangCongQing/pcl-learning

再放下个人学习代码**（有详细中文注解）**：https://github.com/HuangCongQing/pcl-learning 自己做了很多笔记，有时间可以整理发出来。

经验和推荐资料总结

先说下这位博主的建议，我觉得挺好的：
关于如何查找和利用PCL库学习资源的一些心得

**博主个人推荐是把PCL官网的“API Documentation”、“Tutorial”和《点云库PCL学习教程2》结合起来用效果会比较好。**如果你需要用到某项功能，先去看原版的PCL官网的“API Documentation”、“Tutorial”获取最原汁原味的“第一感觉”，然后再去看《点云库PCL学习教程2》进行“中文亲切版收割”，其中还可以顺便收割一波“理论背景与整理”。先啃硬骨头，然后云里笑。

看例程，需要用哪块就直接上实例熟悉代码和库。多调试代码，慢慢就熟悉了。每个人都得经历这个过程。

系列资料汇总

入门资料：

视频：bilibili-PCL点云库官网教程
点云库PCL学习教程书籍每章总结：https://github.com/MNewBie/PCL-Notes
百度网盘资料：

链接：https://pan.baidu.com/s/1ziq8s_kj5QpM8eXO_d6RJg
提取码：g6ny
代码实践资料：

官方各模块示例(和对应的对象函数对照着看)【英文】：https://pcl.readthedocs.io/projects/tutorials/en/latest/#
官方各模块对应的对象和函数【英文】：
- https://pointclouds.org/documentation/modules.html
- https://pointclouds.org/ 点击网站中的12宫图，没一格对应一个模块的对象函数详解
黑马机器人系列文档：PCL-3D点云：http://robot.czxy.com/docs/pcl/
CSDN博主系列文章PCL学习(64篇)：https://www.cnblogs.com/li-yao7758258/category/954066.html

附每个模块学习链接

代码自己一定要动手敲一遍

02kdtree k维tree

官网：https://pcl.readthedocs.io/projects/tutorials/en/latest/index.html#kdtree

对应函数：https://pointclouds.org/documentation/group__kdtree.html

详细中文博客：https://www.cnblogs.com/li-yao7758258/p/6437440.html
https://zhuanlan.zhihu.com/p/144991935

03octree 八叉树

https://pcl.readthedocs.io/projects/tutorials/en/latest/#octree

点云压缩
- 将学习如何压缩单点云和点云流
使用八进制进行空间分区和搜索操作
- 学习如何使用八叉树进行空间分区和最近邻居搜索
无组织点云数据的空间变化检测没有看
- 学习如何使用八叉树检测点云内的空间变化

对应函数：https://pointclouds.org/documentation/group__octree.html

详细中文文档：

PCL学习八叉树
PCLVisualizer可视化类

05sample consensus 抽样一致性模块

https://pcl.readthedocs.io/projects/tutorials/en/latest/#sample-consensus
https://pointclouds.org/documentation/group__sample__consensus.html
http://robot.czxy.com/docs/pcl/chapter02/RANSAC/系列
PCL采样一致性算法
 PCL几种采样方法

下采样 Downsampling
均匀采样：这个类基本上是相同的，但它输出的点云索引是选择的关键点在计算描述子的常见方式。
增采样：增采样是一种表面重建方法，当你有比你想象的要少的点云数据时，增采样可以帮你恢复原有的表面（S）
表面重建：深度传感器的测量是不准确的，和由此产生的点云也是存在的测量误差，比如离群点，孔等表面，可以用一个算法重建表面，遍历所有的点云和插值数据，试图重建原来的表面。比如增采样，PCL使用MLS算法和类。执行这一步是很重要的，因为由此产生的点云的法线将更准确。