点云库pcl教程（学习笔记：点云库PCL（Point Cloud Library ）介绍）

本文简要介绍点云库(PCL)           ，一个用于处理2D和3D数据的开源库  
 
  
 
  
 
  
 
  
 
  
 ，如激光雷达点云
  
  
  
  
  
  。 通过熟悉使用PCL的一些基础知识











，以便后续使用PCL进行定位 
  
  
  
  
  
。主要涵盖以下内容：

点云数据Point Cloud Data(PCD)文件

点云库The Point Cloud Library(PCL)

PCL查看器（Viewer）

在PCL中创建和使用激光雷达对象

模板Templates和不同的点云

调整激光雷达参数 检查PCL中的点云

一
  
  
  
  
  
  、点云数据(PCD)文件

激光雷达数据的存储格式称为点云数据(PCD)
  
  
  
  
  
 ，pcd文件是笛卡尔坐标(x,y,z)和强度值i的列表  
  
  
  
  
  ，是在每一次扫描环境之后的单个快照 


 


 


 


 


 

。这意味着对于VLP 64激光雷达
 


 


 


 


 


 

，pcd文件将有大约256,000 (x,y,z,i)值
 
 
 
 
 
 。

一个城市街区的PCD
 
 
 
 
 
，停着的汽车   
   
   
   
   
   ，和一辆路过的货车  
   
   
   
   
   
。强度值以不同的颜色显示 

 

 

 

 

 
。中间黑色区域是装有激光雷达传感器的汽车所在的位置

 

 

 

 

 

 。

PCD坐标

点云数据的坐标系与汽车的本地坐标系相同           。在这个坐标系中
 

 

 

 

 

 
，x轴指向汽车的前部

 

 

 

 

 

，y轴指向汽车的左侧 
 

 
 

 
 

 
 

 
 

 
 
。由于这个坐标系采用右手定则            ，坐标系z轴指向汽车上方











。

二 
  
  
  
  
  
、点云库PCL

在本课中学习处理点云数据以发现障碍物                 。所有的代码都将在c++环境中完成
 
 

 
 

 
 

 
 

 
 

 
 ，PCL是一个用于处理点云的开源c++库











，使用它来可视化数据 


 


 


 


 


 

、呈现形状                 ，以及一些内置处理功能 
 
 
 
 
 
 
 
 
 
 
 
。在这里可以找到PCL的一些文档：Point Cloud Library | The Point Cloud Library (PCL) is a standalone, large scale, open project for 2D/3D image and point cloud processing.

PCL在机器人社区中被广泛用于处理点云数据 
 
 
 
 
 
 
 
 
 
 
 ，网上有许多使用它的教程
















。PCL中有许多内置函数可以帮助检测障碍

















，如分割
 
 
 
 
 
 、提取和聚类            。

三  
   
   
   
   
   
、启动代码

所有代码(以及关于障碍物检测方面的内容)都包含在GitHub存储库中,可以克隆repo           ，并参照README在电脑上运行 
 
  
 
  
 
  
 
  
 
  
 
。参考链接：GitHub - udacity/SFND_Lidar_Obstacle_Detection










。 主要包含两个主文件  
 
  
 
  
 
  
 
  
 
  
 ，即environment.cpp和processPointClouds.cpp
  
  
  
  
  
  。environment.cpp文件包含主函数











，生成可运行的执行文件 
  
  
  
  
  
。processPointClouds.cpp文件包含用于处理pcd的所有函数的占位符 


 


 


 


 


 

。 另外还有sensors/lidar.h
  
  
  
  
  
 ，用于模拟激光雷达感知并创建点云数据；render.cpp和render.h  
  
  
  
  
  ，它们有将对象渲染到屏幕上的功能
 
 
 
 
 
 。

代码结构

顶层：CMakeLists.txt  

Readme

src /

   render/

      box.h -盒子对象的结构定义

      render.h

      render.cpp -这个文件和头文件一起定义了渲染对象的类和方法  
   
   
   
   
   
。

   sensors/

      data / -该目录包含本文使用的PCD数据 

 

 

 

 

 
。

      lidar.h -具有使用射线创建pcd的功能

 

 

 

 

 

 。

   environment.cpp -主文件：使用PCL查看器
 


 


 


 


 


 

，处理和可视化pcd           。

   processPointClouds.h

   processPointClouds.cpp -用于过滤 

 

 

 

 

 
、分段

 

 

 

 

 

 、集群           、装箱 
 

 
 

 
 

 
 

 
 

 
 
、加载和保存pcd的函数 
 

 
 

 
 

 
 

 
 

 
 
。

四











、编译激光雷达模拟器

在Ubuntu环境（Ubuntu 16.04）下编译指引 

克隆github repo-https://github.com/udacity/SFND_Lidar_Obstacle_Detection :

cd ~ git clone https://github.com/udacity/SFND_Lidar_Obstacle_Detection.git

编辑CMakeLists.txt如下:

cmake_minimum_required(VERSION 2.8 FATAL_ERROR) add_definitions(-std=c++14) set(CXX_FLAGS "-Wall") set(CMAKE_CXX_FLAGS, "${CXX_FLAGS}") project(playback) find_package(PCL 1.11 REQUIRED) include_directories(${PCL_INCLUDE_DIRS}) link_directories(${PCL_LIBRARY_DIRS}) add_definitions(${PCL_DEFINITIONS}) list(REMOVE_ITEM PCL_LIBRARIES "vtkproj4") add_executable (environment src/environment.cpp src/render/render.cpp src/processPointClouds.cpp) target_link_libraries (environment ${PCL_LIBRARIES})

    3.在终端中执行以下命令

sudo apt install libpcl-dev cd ~/SFND_Lidar_Obstacle_Detection mkdir build && cd build cmake .. make ./environment

执行./environment,看到一个弹出的窗口
 
 
 
 
 
，图片如下：

 一个简单的高速公路模拟环境   
   
   
   
   
   ，中间车道上的车是绿色的(可自定义的车)
 

 

 

 

 

 
，其他交通车辆是蓝色的











。所有内容都使用带有简单框                 、线条和颜色的PCL进行呈现                 。可以使用鼠标在环境中移动

 

 

 

 

 

，试着按住鼠标左键绕着场景旋转,按住鼠标中键移动场景；若要缩放            ，移动时使用鼠标中滚动键或鼠标右键 
 
 
 
 
 
 
 
 
 
 
 
。

五 
 
 
 
 
 
 
 
 
 
 
 
、PCL查看器

在environment.cpp中创建了一个pcl查看器
 
 

 
 

 
 

 
 

 
 

 
 ，查看器用于处理屏幕上所有对象的可视化
















。在environment.cpp中使用pcl查看器的函数是initCamera和initHighway











，initCamera函数用于在窗口中设置不同的观察角度                 ，有5种不同的选择:XY, TopDown, Side和FPS---XY提供45度视角 
 
 
 
 
 
 
 
 
 
 
 ，FPS则是第一人称视角

















，给人一种坐在汽车驾驶座上的感觉            。 此外           ，渲染函数也大量使用了查看器  
 
  
 
  
 
  
 
  
 
  
 ，注意viewer通常作为引用传入 
 
  
 
  
 
  
 
  
 
  
 
。这样











，流程就更精简了
  
  
  
  
  
 ，因为不需要返回任何东西










。

六
















、创建激光雷达对象 lidar对象由src/sensors/lidar.h的头文件定义  
  
  
  
  
  ，包含在environment.cpp的顶部
  
  
  
  
  
  。environment.cpp中还有一个simpleHighway函数
 


 


 


 


 


 

，用于接受PCL可视化器查看器的引用参数 
  
  
  
  
  
。

在simpleHighway函数中实例化一个指向Lidar对象的指针 


 


 


 


 


 

。使用new关键字在堆上创建Lidar指针对象
 
 
 
 
 
 。Lidar构造函数有两个参数:汽车和地面的坡度——这些参数对于光线碰撞建模是必要的  
   
   
   
   
   
。创建的Lidar对象的斜率应为0 

 

 

 

 

 
。

请注意

激光雷达参数对建模射线碰撞是必要的

 

 

 

 

 

 。激光雷达对象将保存点云数据
 
 
 
 
 
，容量可能非常大           。通过在堆上实例化   
   
   
   
   
   ，我们可以使用比堆栈上2MB更多的内存 
 

 
 

 
 

 
 

 
 

 
 
。但是
 

 

 

 

 

 
，在堆上查找对象需要更长的时间

 

 

 

 

 

，而堆栈查找非常快











。

在environment.cpp            ，simpleHighway函数中:

/ TODO: Create lidar sensor Lidar* lidar = new Lidar(cars, 0);

七            、使用激光雷达对象

要进一步使用新创建的Lidar对象
 
 

 
 

 
 

 
 

 
 

 
 ，请查看src/sensors/ Lidar .h











，查看所有内容是如何定义的                 。在这个头文件中                 ，射线对象被定义 
 
 
 
 
 
 
 
 
 
 
 
。激光雷达将利用这些射线,进行射线投射来感知周围的环境
















。Lidar结构内的扫描函数执行射线投射            。

现在调用Lidar扫描函数 
 
 
 
 
 
 
 
 
 
 
 ，看看激光雷达射线是什么样子的 
 
  
 
  
 
  
 
  
 
  
 
。回到environment文件中

















，在调用Lidar构造函数之后           ，可以使用scan函数  
 
  
 
  
 
  
 
  
 
  
 ，呈现激光雷达射线










。

激光雷达传感

要创建点云











，请在lidar对象上调用lidar scan()方法
  
  
  
  
  
  。

结果存储在一个PointCloud指针对象中
  
  
  
  
  
 ，pcl::PointCloud::Ptr

PointCloud的点类型将是pcl::PointXYZ 
  
  
  
  
  
。

使用生成的PointCloud指针调用renderRays函数 


 


 


 


 


 

。

请注意

PointCloud的模板语法类似于向量或其他标准容器库的语法: ContainerName<ObjectName>
 
 
 
 
 
 。

来自PointCloud的Ptr类型表明对象实际上是一个指针—一个包含点云对象的内存地址的32位整数  
   
   
   
   
   
。pcl中的许多函数使用点云指针作为参数  
  
  
  
  
  ，因此以这种形式返回inputCloud很方便 

 

 

 

 

 
。

renderRays函数在src/render中定义

 

 

 

 

 

 。它包含允许向pcl查看器呈现点和形状的函数           。在查看器使用它来渲染激光雷达射线作为线段 
 

 
 

 
 

 
 

 
 

 
 
。

renderRays函数的参数是viewer
 


 


 


 


 


 

，通过引用传入











。这意味着renderRays函数体中对查看器的任何更改
 
 
 
 
 
，都会直接影响函数范围外的查看器                 。激光雷达的位置也得到传递   
   
   
   
   
   ，以及扫描函数生成的点云 
 
 
 
 
 
 
 
 
 
 
 
。PointCloud的点类型将是pcl::PointXYZ
















。我们还会讲到一些其他不同类型的点云            。

在environment.cpp中
 

 

 

 

 

 
，在simpleHighway函数中

 

 

 

 

 

，在前面的lidar对象实例化之后再添加两行:

// TODO: Create lidar sensor Lidar* lidar = new Lidar(cars, 0); pcl::PointCloud<pcl::PointXYZ>::Ptr inputCloud = lidar->scan(); renderRays(viewer, lidar->position, inputCloud);

 八 
 
  
 
  
 
  
 
  
 
  
 
、模板以及不同的点云数据

为什么使用模板?

之前使用的激光雷达扫描函数产生了一个带有pcl::PointXYZ点的pcl PointCloud对象 
 
  
 
  
 
  
 
  
 
  
 
。对象使用模板是因为有许多不同类型的点云:一些是3D的            ，一些是2D的
 
 

 
 

 
 

 
 

 
 

 
 ，一些包括颜色和强度










。这里使用的是普通的3D点云











，所以使用了PointXYZ
  
  
  
  
  
  。然而                 ，也有一些点具有强度分量 
  
  
  
  
  
。 模板可以自动完成这个过程 
 
 
 
 
 
 
 
 
 
 
 ，而不是定义两个单独的函数

















，一个带有PointXYZ的参数           ，另一个带有PointXYZI的参数 


 


 


 


 


 

。对于模板  
 
  
 
  
 
  
 
  
 
  
 ，只需要编写一次函数











，并像使用参数一样使用模板来指定点类型
 
 
 
 
 
 。

模板和指针

如果您以前没有使用过带有指针的模板
  
  
  
  
  
 ，那么您可能在代码中注意到  
  
  
  
  
  ，每当使用依赖于模板的指针时
 


 


 


 


 


 

，都会使用typename  
   
   
   
   
   
。例如这里的函数签名:

typename pcl::PointCloud<PointT>::Ptr ProcessPointClouds<PointT>::FilterCloud(typename pcl::PointCloud<PointT>::Ptr cloud, float filterRes, Eigen::Vector4f minPoint, Eigen::Vector4f maxPoint)

 这样做的原因如下:给定一段带有类型名参数的代码
 
 
 
 
 
，如pcl::PointCloud<PointT>::Ptr   
   
   
   
   
   ，在不知道类型名参数的值的情况下
 

 

 

 

 

 
，编译器无法确定这段代码是值还是类型 

 

 

 

 

 
。编译器将假定代码代表一个值

 

 

 

 

 

 。如果代码实际上表示typename

 

 

 

 

 

，则需要指定typename           。

九










、调整激光雷达参数

你可以围绕场景旋转和移动            ，以看到投射出来的不同光线 
 

 
 

 
 

 
 

 
 

 
 
。然而
 
 

 
 

 
 

 
 

 
 

 
 ，当前的激光雷达设置会限制你的操作











。分辨率很低











，从场景中看到                 ，只有一条射线接触到一辆汽车                 。所以提高激光雷达的分辨率 
 
 
 
 
 
 
 
 
 
 
 ，就能清楚地看到周围的其他车辆 
 
 
 
 
 
 
 
 
 
 
 
。

包括增加最小距离

















，就不会把与车顶的接触点包括在内；以及提高水平和垂直角度的分辨率和添加噪音
















。添加的噪声实际上是相当高的           ，因为单位是米  
 
  
 
  
 
  
 
  
 
  
 ，但会产生更有趣和更真实的点数据在场景中            。可以完全自由地试验和调整这些激光雷达超参数!

通过增加垂直层数和z轴周围的角度分辨率来提高激光雷达的分辨率 
 
  
 
  
 
  
 
  
 
  
 
。

numLayers:从3改为8










。

horizontalLayerIncrement:从pi/6改变为pi/64
  
  
  
  
  
  。

将minDistance(最小距离)设置为5(米)











，以移除车顶上的点 
  
  
  
  
  
。

添加噪音
  
  
  
  
  
 ，0.2左右可以得到更有趣的pcd 


 


 


 


 


 

。

完成以上设置后  
  
  
  
  
  ，输出如下图所示：

提高激光雷达范围

十
  
  
  
  
  
  、检测点云 现在可以看到激光雷达射线的样子了
 


 


 


 


 


 

，那么将要使用和处理的实际点云数据呢?其实
 
 
 
 
 
，可以在渲染中使用renderPointCloud函数查看点云数据   
   
   
   
   
   ，也可以选择关闭高速公路场景的渲染
 

 

 

 

 

 
，这样就可以看到点云本身的样子
 
 
 
 
 
 。

上图中的结果是无噪声的

 

 

 

 

 

，激光雷达minDistance设置为零  
   
   
   
   
   
。当加大激光雷达minDistance            ，可以移除上面击中车顶的点
 
 

 
 

 
 

 
 

 
 

 
 ，因为这些点不能帮助探测其他车辆 

 

 

 

 

 
。此外











，一些噪声方差有助于创建更有趣的点云                 ，添加噪声将帮助开发更健壮的点处理功能

 

 

 

 

 

 。

要做到以上效果 
 
 
 
 
 
 
 
 
 
 
 ，在simpleHighway函数中调用renderPointCloud而不是renderRays           。

通过在environment.cpp中将renderScene设置为false

















，可以无障碍地查看点云 
 

 
 

 
 

 
 

 
 

 
 
。

完成后           ，输出应该如下图所示：

 模拟PCD

在environment.cpp中  
 
  
 
  
 
  
 
  
 
  
 ，在simpleHighway中











，删除之前的renderRays调用
  
  
  
  
  
 ，取而代之的是使用renderPointCloud:

Lidar* lidar = new Lidar(cars, 0); pcl::PointCloud<pcl::PointXYZ>::Ptr inputCloud = lidar->scan(); //renderRays(viewer, lidar->position, inputCloud); renderPointCloud(viewer, inputCloud, "inputCloud"); // You can also use other names than just "inputCloud"

另外  
  
  
  
  
  ，在函数中
 


 


 


 


 


 

，修改renderScene来隐藏对象边界:

// RENDER OPTIONS bool renderScene = false;

十一 
  
  
  
  
  
、总结 通过本文
 
 
 
 
 
，了解了以下内容:

点云数据(PCD)文件

点云库(PCL)

PCL查看器

在PCL中创建和使用激光雷达对象

模板以及不同的点云

调整激光雷达参数

检测PCL中的点云