PCL_法向量

NormalEstimation：

PCL中计算法向量的类。原理是通过对邻域点集求PCA来得到法向量。对领域点的三维坐标进行中心化，求得协方差矩阵并对角化，求得三个特征值，最小特征值对应的特征向量就是法向量。

包含的库：

#include <pcl/features/normal_3d.h> 

使用方法：

NormalEstimation<PointXYZRGBA, Normal> normObj;  
//创建法向量计算对象	
normObj.setInputCloud (cloud);                  //设置输入点云	//
search::OrganizedNeighbor<PointXYZRGBA>::Ptr tree(new search::OrganizedNeighbor<PointXYZRGBA>());	
search::KdTree<PointXYZRGBA>::Ptr tree (new pcl::search::KdTree<pcl::PointXYZRGBA> ());   	
normObj.setSearchMethod (tree); //设置搜索方法	
normObj.setRadiusSearch (0.05);//设置半径邻域搜索	
//normObj.setKSearch(30);       //设置K邻域搜索	
PointCloud<Normal>::Ptr normals (new 
PointCloud<Normal>); //创建法向量点云	
normObj.compute (*normals); //计算法向量

对于无序点云，采用的是KD树搜索，如果是organized点云，可以直接索引到邻域。用OrganizedNeighbor搜索邻域将会更快速。

Organized点云(有序点云)是由深度图转换过来的，一个像素格对应一个点，类似于二维的图像，由Kinect采集到的点云就是有序点云。