LEGO-LOAM代码阅读之 imageProjection

main函数：

    ImageProjection IP;

在初始化ros后，只实例化出一个ImageProjection对象：IP，没进行其他相关操作，因此调用该类的构造函数

构造函数

    ImageProjection():
        nh("~"){
   
//nh("~") 意味着创建一个私有的节点句柄。
//使用 "~" 作为参数意味着这个节点句柄将只访问与当前节点相关的参数，而不是全局参数。这对于避免命名冲突和管理参数非常有用。

        subLaserCloud = nh.subscribe<sensor_msgs::PointCloud2>(pointCloudTopic, 1, &ImageProjection::cloudHandler, this);

extern const string pointCloudTopic = "/velodyne_points";

subLaserCloud订阅话题pointCloudTopic，当该话题中来新消息时会触发回调函数
&ImageProjection::cloudHandler，1 表示缓冲队列长度为 1，最新消息会覆盖旧消息。

回调函数cloudHandler

主要负责对话题中的点云数据消息进行处理。

    void cloudHandler(const sensor_msgs::PointCloud2ConstPtr& laserCloudMsg){
   
        // 1. Convert ros message to pcl point cloud
        copyPointCloud(laserCloudMsg);
        //将 laserCloudMsg 中的点云数据复制到另一个数据结构中，以便后续的处理或分析
        //将来自传感器的原始点云数据转换成自己定义的点云格式，或者进行必要的预处理
        // 2. Start and end angle of a scan// 2. 找到开始时刻和结束时刻的方向角度
        findStartEndAngle();
        // 3. Range image projection
        projectPointCloud();
        // 4. Mark ground points
        groundRemoval();
        // 5. Point cloud segmentation
        cloudSegmentation();
        // 6. Publish all clouds
        publishCloud();
        // 7. Reset parameters for next iteration
        resetParameters();
    }

copyPointCloud(laserCloudMsg);函数

功能：

1.复制消息头到cloudHeader，包括输入消息的头部信息（如时间戳、帧 ID）；

2.将换 PointCloud2 消息到 PCL 格式，将ROS 消息格式的点云转换为 PCL 格式，并存储在 laserCloudIn 中；

3.移除laserCloudIn中的无效点（NaN 点） pcl::removeNaNFromPointCloud(*laserCloudIn, *laserCloudIn, indices);

removeNaNFromPointCloud函数：
如果输入点云是稠密点云，则直接复制到cloud_out中，即如果laserCloudIn为稠密点云，则不进行什么操作；
cpp if (cloud_in.is_dense) { // Simply copy the data cloud_out = cloud_in; for (std::size_t j = 0; j < cloud_out.points.size (); ++j) index[j] = static_cast<int>(j); }
如果laserCloudIn是稀疏点云，则进行下面操作：

if (!std::isfinite (cloud_in.points[i].x) ||
          !std::isfinite (cloud_in.points[i].y) ||
          !std::isfinite (cloud_in.points[i].z))
        continue;
      cloud_out.points[j] = cloud_in.points[i];
      index[j] = static_cast<int>(i);
      j++;

判断cloud_out的点是否为有效点，若某点的坐标x,y,z不是有限值，即为无效点，则continue，判断下个点，若该点是有效值，则将该点添加到cloud_out中，即对laserCloudIn点云数据进行剔除无效点，并将有效点在原点云中的索引记录到indices中；

cloud_out.height = 1;
cloud_out.width  = static_cast<std::uint32_t>(j);
// Removing bad points => dense (note: 'dense' doesn't mean 'organized')
cloud_out.is_dense = true;

最终剔除无效点的点云laserCloudIn设置为单行点云，稠密；

4.检查点云是否包含“环号”信息，if (useCloudRing == true){

如果有ring信息，则将原始点云信息转化为PCL格式，存储在 laserCloudInRing 中，如果laserCloudInRing点云不是稠密的，则输出错误信息并关闭 ROS 节点（ros::shutdown()）。

**useCloudRing**标志，为bool类型，
```cpp
extern const bool useCloudRing = true; // if true, ang_res_y and ang_bottom are not used
```
解释：
注释说明了 useCloudRing 的作用：
    如果 useCloudRing 为 true，则程序不需要依赖 ang_res_y（垂直角分辨率）和 ang_bottom（激光束底部角度）来计算激光雷达的点云分布。
    这是因为环号信息可以直接提供每个点所属激光束的信息，替代这些计算。
    激光雷达环号（**ring**）信息：某些激光雷达（如 Velodyne 系列）会为每个点云点提供“环号”（ring），表示该点由哪一根激光束生成。

findStartEndAngle() 函数

1. 上一个函数处理后，剔除无效点的laserCloudIn点云数据，对其第一个点，计算初始点的扫描方向角（orientation），存储到segMsg.startOrientation中；

segMsg.startOrientation = -atan2(laserCloudIn->points[0].y, laserCloudIn->points[0].x);

负号为约定逆时针为负，顺时针为正。

2. 计算最后一个点的方向角，存储到segMsg.endOrientation中；

segMsg.endOrientation   = -atan2(laserCloudIn->points[laserCloudIn->points.size() - 1].y,