点云库（PCL）学习—

点云库（PCL）学习——基本结构

本文主要是介绍点云库（PCL）学习——基本结构，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

PCL1.x版本中的数据类型为： pcl:PointCloud<pcl::PointCloud>
PointCloud 是C++ 的一个类（class），包含了以下数据字段：

pcl:width<pcl::PointCloud::width>(int)
以点数为单位指定点云数据集的宽度。宽度有两种含义：
- 可以为无组织数据集指定云中的点的总数（等于点中元素的数量–见下文）；
- 可以指定有组织点云数据集(organized point cloud)的宽度（行中的点总数）。

NOTE:有组织的点云数据集(organized point cloud)是为类似于有组织的图像（或矩阵）结构的点云指定的名称，其中数据被拆分为行和列。这种点云的例子包括来自立体相机或Time-of-flight相机的数据。有组织的数据集的优点是，通过了解相邻点（如像素）之间的关系，最近邻操作更加有效，从而加快了计算速度，降低了PCL中某些算法的成本。

NOTE:可投影点云数据集(projectable point cloud)是指根据针孔摄影机模型在有组织点云中的点（u，v）索引与实际三维值之间具有相关性的点云的名称。这种相关性可以用最简单的形式表示：u=fx/z和v=fy/z
例如：

cloud.width = 640;//there are 640 points per line

pcl:height<pcl::PointCloud::height>(int)
以点数为单位指定点云数据集的高度。高度有两种含义：
- 可以指定有组织点云数据集(organized point cloud)的高度（行的总数）。
- 对于无组织的数据集，它设置为1（因此用于检查数据集是否为有组织的）
  例如：

cloud.width = 640;//Image-like organized structure, with 480 rows and 640 colums
cloud.height = 480;//thus 640*480=307200 points total in the datasetcloud.width = 307200;
cloud.heigth = 1;//unorganized point cloud dataset with 307200 points

pcl:points<pcl::PointCloud::points>(std::vector< PointT >)
包含存储PointT类型的所有点的数据数组。例如，对于包含XYZ数据的点云，点包含pcl:：PointXYZ元素的向量：

pcl::PointCloud<pcl::PointXYZ> cloud;
std::vector<pcl::PointXYZ> data = cloud.points;

pcl:is_dense<pcl::PointCloud::is_dense>(bool)
指定点中的所有数据是有限的（true），或者指定某些点的XYZ值可能包含Inf/NaN值（false）。
pcl:sensor_origin<pcl::PointCloud::sensor_origin>(Eigen::vector4f)
指定传感器采集姿势（原点/平移）。这个成员通常是可选的，PCL中的大多数算法都不使用它。
pcl:sensor_orientation<pcl::PointCloud::sensor_orientation>(Quaternionf)
指定传感器采集姿势（方向）。这个成员通常是可选的，PCL中的大多数算法都不使用它。

为了简化开发，pcl:PointCloud<pcl:：PointCloud>类钟包含许多辅助成员函数。例如，用户不必检查代码中的height是否等于1，以查看数据集是否为有组织，而是使用：pcl:PointCloud<pcl:：PointCloud:：isorgaid>：