PCL点云密度测量demo

最新推荐文章于 2025-06-14 16:04:06 发布

原创

最新推荐文章于 2025-06-14 16:04:06 发布 · 3.3k 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#pcl

本文介绍了在进行点云特征提取实验时，如何利用PCL库进行点云密度测量，以获取每个点的k个最近邻点。在实际操作中，遇到了编译错误c3861 'pop_t': identifier not found。经过研究，问题解决方案是在特定预处理器指令下定义typedef unsigned long long pop_t。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近在做点云的特征提取的实验和论文，学习到pcl的点云密度测量，用来获取k个近邻点。

在调试的过程中遇到c3861 pop_t找不到标识符的问题，然后在github上找到解决的方法。

#include "pch.h"
#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/kdtree/kdtree_flann.h>
#include <iostream>
#include <tchar.h>
float computeCloudResolution(const pcl::PointCloud<pcl::PointXYZ>::ConstPtr &cloud, int k)
{
	double res = 0.0;
	int n_points = 0;
	pcl::KdTreeFLANN<pcl::PointXYZ> tree;
	tree.setInputCloud(cloud);
	//?what means size_t
	for (size_t i = 0; i < cloud->size(); ++i)
	{
		if (!pcl_isfinite((*cloud)[i].x))
			//pcl_isfinite函数返回一个布尔值，检查某个值是不是正常数值
		{
			continue;
		}
		std::vector<int> indices(k);
		//创建一个动态数组，存储查询点近邻索引
		std::vector<float> sqr_distances(k);
		//存储近邻点对应平方距离
		if (tree.nearestKSearch(i, k, indices, sqr_distances) == k)
		{
			for (int i = 1; i < k; i++)
			{
				res += sqrt(sqr_distances[i]);
				+