PCL(Point Cloud Library)学习指南&资料推荐（2022版）

转载：https://zhuanlan.zhihu.com/p/268524083 这里非常的详细，保姆级教程，这里仅当学习

PCL(Point Cloud Library)学习指南&资料推荐（2022版）

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。

顺便放下个人学习代码（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！
【20201103】系列笔记整理出来了，先放在语雀文档上！

PCL(Point Cloud Library)学习记录（2022） · 语雀www.yuque.com/huangzhongqing/pcl

文章最后附上了每个模块的学习资料和代码，大家可以看下！
【20211226】有同学建议给大家录个B站视频演示下【我先自己标记下，后面有空的时候录视频】
【20220128】视频终于录制好啦》PCL(Point Cloud Library)学习入门指南&代码实践(最新版)

PCL(Point Cloud Library)学习入门指南&代码实践(最新版)_哔哩哔哩_bilibiliwww.bilibili.com/video/BV1HS4y1y7AB

新建了一个PCL微信交流群，扫码下图可以加入下（若无法加群，请关注公众号【双愚】后台回复PCL加群）

本文初写於语雀文档，阅读体验更好：

PCL(Point Cloud Library)学习指南&资料推荐 · 语雀：

PCL(Point Cloud Library)学习指南&资料推荐 · 语雀www.yuque.com/huangzhongqing/pcl/rdk5k8

1 PCL 介绍和安装

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

下载安装(Ubuntu&Win):

Ubuntu18.04安装PCL1.9.1（20200929） · 语雀
02VS2017安装和配置PCL1-8-1-Windows-下配置安装PCL-开发环境 · 语雀
Plus: C++建议在Ubuntu下学习，Windows建议不要用，因为真正在实践工程中，还是用Ubuntu比较多。）

介绍：

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(C++模板库)

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/#

文章最后附上了每个模块的学习资料和代码，大家可以看下！

各种模块

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

B站up主画的更详细的图

2 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。

2.1 理解入门

先放下入门资料（后面会介绍）：
1. 视频：bilibili-PCL点云库官网教程
2. 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

bibili-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：https://book.douban.com/subject/20283456/

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

百度网盘资料

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

PCL各章节笔记

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!

2.2 代码实践

代码实践资料：
1 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/#
2 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，每一格对应一个模块的对象函数详解
3 黑马机器人系列文档：PCL-3D点云：http://robot.czxy.com/docs/pcl/
4 CSDN博主系列文章PCL学习(64篇)：https://www.cnblogs.com/li-yao7758258/category/954066.html
个人学习代码（有详细中文注解）：https://github.com/HuangCongQing/pcl-learning
和配套系列文章：PCL(Point Cloud Library)学习记录（2022） · 语雀

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。

2.2.1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/#

各模块的官方示例demo位置在网站侧边栏

2.2.2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/

侧边栏也都是各模块函数详情

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

2.2.3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！
个人学习代码（有详细中文注解）：https://github.com/HuangCongQing/pcl-learning
和配套系列文章：PCL(Point Cloud Library)学习记录（2022） · 语雀

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

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

实例demo代码（实战）每个模块都有几个demo代码

每个示例都有对应代码和解释

对照中文博客更佳

IO模块函数class

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。

3 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。

3.1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

4 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demo：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

官网demo：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

详细中文博客文章：

05sample consensus 抽样一致性模块

官网demo：https://pcl.readthedocs.io/projects/tutorials/en/latest/#sample-consensus

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

详细中文博客文章：

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。