點(diǎn)云（Point Cloud）

接觸三維重建或者立體視覺(jué)相關(guān)問(wèn)題的時(shí)候陷揪，點(diǎn)云是第一個(gè)需要掌握的概念王滤。
簡(jiǎn)單來(lái)講腿准，點(diǎn)云就是多唯空間中的點(diǎn)的集合际起，一般而言，指的是三維空間中的點(diǎn)集吐葱。在PCL中街望，點(diǎn)云被表示成一種數(shù)據(jù)結(jié)構(gòu)。我們用X-Y-Z三維來(lái)表示一個(gè)采樣曲面的幾何坐標(biāo)弟跑。如下灾前，當(dāng)我們對(duì)其表面著色后，點(diǎn)云變?yōu)?唯的孟辑。

Left

PCL(Point Cloud Library)簡(jiǎn)介

點(diǎn)云庫(kù)Point Cloud Library (or PCL) 是一個(gè)大型的用于處理2D/3D圖像和點(diǎn)云的開(kāi)源項(xiàng)目践图。它實(shí)現(xiàn)了立體視覺(jué)領(lǐng)域眾多的前沿算法掺冠，包括濾波，特征提取码党，表面重建赫舒，相機(jī)標(biāo)定，模型擬合闽瓢，分割接癌，可視化等許多功能,如圖。

PCL: A graph of code libraries

PCL代碼風(fēng)格良好似忧，全部由C++編寫(xiě)渣叛，其中的矩陣操作使用了線(xiàn)性代數(shù)函數(shù)庫(kù)Eigen。此外盯捌，PCL也支持并行化淳衙，如OpenMP和Intel Threading Building Blocks。在PCL的所有模塊中饺著，數(shù)據(jù)的傳遞都是通過(guò)Boost的智能指針Share Pointer箫攀，如此可以減少系統(tǒng)中數(shù)據(jù)的多余復(fù)制。

再來(lái)說(shuō)下PCL的各個(gè)模塊幼衰，它們可以獨(dú)立編譯靴跛，獨(dú)立運(yùn)行。它的一般工作模式如下：

• 新建一個(gè)處理類(lèi)（Project）（比如塑顺，filter汤求，feature estimation俏险，segmentation等）
• 使用setInputCloud將點(diǎn)云（Point Cloud）數(shù)據(jù)輸入到處理模塊中
• 設(shè)定一些必要的參數(shù)
• 調(diào)用compute或者其他的函數(shù)如（filter严拒，segment等）得到輸出

主要模塊包括：

• libpcl_filter: 功能包括將采樣（downsampling）扬绪，例外點(diǎn)去除，索引提取裤唠，投影等
• libpcl_features: 實(shí)現(xiàn)了許多3D特征挤牛，比如表面法向量和曲率，邊緣點(diǎn)估計(jì)种蘸，不變矩（moment invariants）墓赴，主曲率，PFH和FPFH（Fast point feature histogram）描述子航瞭，旋轉(zhuǎn)圖像（spin image）诫硕，積分圖像（integral image），NARF描述符刊侯，RIFT章办，RSD，VFH滨彻，基于強(qiáng)度數(shù)據(jù)的SIFT算法等藕届。
  后面我覺(jué)得也會(huì)有一些采用深度學(xué)習(xí)方法訓(xùn)練特征的算法加入到PCL中。
• libpcl_io: I/O操作的函數(shù)亭饵，如讀寫(xiě)點(diǎn)云數(shù)據(jù)PCD（point cloud data）的函數(shù)
• libpcl_segmentation: 實(shí)現(xiàn)了聚類(lèi)提取休偶，或者為某些參數(shù)模型通過(guò)采樣一致的方法提供模型擬合等
• libpcl_surface: 實(shí)現(xiàn)了表面重建的一些算法，如meshing辜羊，圖包算法（convex hull）和移動(dòng)最小二乘（moving least squares）等
• libpcl_registration: ICP匹配算法等
• libpcl_keypoints: 預(yù)處理的一些算法踏兜，對(duì)關(guān)鍵點(diǎn)預(yù)處理方便后續(xù)提取特征描述符
• libpcl_range_image:深度圖（range image）的建立函數(shù)等

為了保證操作的正確性，上述每個(gè)庫(kù)中的方法和類(lèi)都提供了單元和回歸測(cè)試八秃，如果添加的新功能或者某個(gè)修改沒(méi)有通過(guò)測(cè)試庇麦，該作者會(huì)收到通知。

PCL的設(shè)計(jì)哲學(xué)

Perception Processing Graphs
這個(gè)道理的潛在認(rèn)為對(duì)點(diǎn)云處理的各個(gè)模塊可以認(rèn)為是獨(dú)立編譯的一部分喜德，通過(guò)調(diào)整參數(shù)可以分別應(yīng)對(duì)某一類(lèi)問(wèn)題山橄。
由于點(diǎn)云數(shù)據(jù)通常比較大，為了避免不必要的拷貝和關(guān)鍵程序的序列化舍悯，PCL創(chuàng)建了nodelets航棱，一種可以動(dòng)態(tài)加載的插件模式。

可視化

PCL基于VTK實(shí)現(xiàn)了自己的可視化庫(kù)萌衬，從而方便用戶(hù)快速查看自己的模型饮醇，不管這種模型是通過(guò)參數(shù)公式設(shè)定還是從點(diǎn)云而來(lái)。
可視化庫(kù)也提供了渲染（rendering）以及處理PCD的方法等秕豫。使用可視化庫(kù)的一般流程如下：

using namespace pcl visualization;
  PCLVisualizer p (“Test”);
PointCloudColorHandlerRandom handler (cloud);
p.addPointCloud (cloud, handler, ”cloud random”);
p.spin ();
p.removePointCloud (”cloud random”);
PointCloudGeometryHandlerSurfaceNormal handler2 (cloud);
p.addPointCloud (cloud, handler2, ”cloud random”);
p.spin ();

貢獻(xiàn)代碼的好處

使用開(kāi)源庫(kù)的用戶(hù)會(huì)遇到兩個(gè)問(wèn)題：

• 有新的需求朴艰，而開(kāi)源庫(kù)還沒(méi)有更新
• 功能有Bug观蓄，但是沒(méi)有fix
  這個(gè)時(shí)候如果你完成了上述工作，那么別人也許會(huì)從中受益祠墅。換個(gè)角度侮穿，如果每個(gè)人碰到這種情況都采取這種處理方式呢？
  總而言之毁嗦，開(kāi)源項(xiàng)目亲茅，就是大家合作一起做一件事，我為人人狗准，人人為我克锣。
  再引用Linus法則“given enough eyeballs, all bugs are shallow”，貢獻(xiàn)你的代碼給大家閱讀腔长，你的代碼會(huì)面臨挑戰(zhàn)袭祟，會(huì)促使你不斷提高自己的代碼質(zhì)量。還有捞附，程序員的榮譽(yù)和成就感巾乳，這些也是參與其中才能體會(huì)到的。
  當(dāng)然故俐，每個(gè)人的情況不一樣想鹰，就不一一列舉啦。

Next 將會(huì)介紹如何著手貢獻(xiàn)一個(gè)具體的功能源碼以及介紹PCL的源碼風(fēng)格

參考文獻(xiàn)

3D is here: Point Cloud Library (PCL)
pointclouds.org