目录
1.前言
本专栏PCL所有文章，基于PCL1.12.1、VS2019、windows10。
使用数据均为PCL自带的测试数据。
本专栏按照PCL接口文件目录顺序依次实现每个目录中的所有文件（不包含PCL自身调用的接口文件，如clipper3D.h这样的类），方便使用者查找学习。
本专栏目的在于你工作的时候，了解大概原理和关键函数，然后就可以上手使用，如果想知道内部很具体的数学计算逻辑，之后有机会会补充。
所有的原理和关键函数都用自己的语言进行了尽量直白的描述，没有直接把英文注释翻译一下搬上来，并且较难理解的部分有配图（拒绝学术性语言，教程是教怎么用，不是装高手）
。
读者有什么建议的话，可以在下面留言，专栏写的顺序暂时定为：PCL、OSG/OSGearth、Opencv
一起进步。
转载请附上我的博客链接：者山海-优快云博客https://blog.youkuaiyun.com/xhm01291212?spm=1011.2266.3001.5343
2.Filters（滤波）
2.1 抽稀
体素中心点滤波(approximate_voxel _grid)
表面法线滤波器(sampling_surface_normal)
2.1.1 抽稀对比
实际使用优先级：
体素滤波 > 体素中心滤波 > 均匀采样滤波 > 随机采样滤波 > 法向量空间下采样滤波 > 表面法线滤波。
抽稀速度对比：
随机采样滤波 > 体素滤波 > 体素中心滤波 > 均匀采样滤波 >法向量空间下采样滤波 ≈ 表面法线滤波。
抽稀效果对比：
均匀采样滤波 > 体素滤波 > 体素中心滤波>随机采样滤波
2.2 去噪
统计滤波(statistical_outlier_removal)
2.2.1 去噪对比
实际使用优先级：
半径滤波 > 统计滤波 > 高斯滤波 > 中值滤波
去噪速度对比：
半径滤波 > 中值滤波 > 统计滤波 > 高斯滤波
去噪效果对比：
几种往往结合使用
2.3 平滑
双边滤波(bilateral)（强度）
快速双边滤波(fast_bilateral、fast_bilateral_omp)（强度）
2.3.1 平滑对比
实际使用优先级：
高斯滤波 ≈ 中值滤波
快速双边滤波 > 双边滤波（强度）
2.4 裁剪
2.5 其他常用滤波
3.Features（特征）
3.1 法向量计算
密集数据表面法线估计（Feature_LinearLeastSquaresNormalEstimation）
积分图法线估计（Feature_IntegralImageNormal）
3.1.1 法向量计算对比
点云法线计算：速度慢，较准确，常用，计算每个点的法向量，可用于无序点云及有序点云。
密集数据表面法线估计：速度快，准确度不及其他，不常用，计算部分特征点的法向量，可用于无序点云及有序点云。
积分图法线估计：速度快，准确性较好，不常用，计算每个点的法向量，只适用于有序点云。
3.2 边界提取
3.3 点云分割
3.4 三维重建
3.5 其他
获取点云AABB包围盒（Feature_MomentOfInertiaEstimation）
获取点云OBB包围盒（Feature_MomentOfInertiaEstimation）
获取点云特征值+特征向量（Feature_MomentOfInertiaEstimation）
计算点云曲率（Feature_PrincipalCurvatures）
4.common（通用）
4.1 基础计算
4.2 距离及投影计算相关
4.3 点云操作相关
拼接两个字段（pcl::PCLPointField）相同的点云
拼接两个字段（pcl::PCLPointField）不同的点云
5. IO（读写PCL相关文件）
5.1 读写文件相关
读取ASCII类型点云文件【*.txt、*.asc、*.neu、*.xyz、*.pts、*.csv】
6.KdTree（KD树）
7.OcTree（八叉树）
8.Registration（配准）
8.1 点对相关
8.2 配准相关
8.2.1 粗配准
8.2.2 精配准
9. sample_consensus（采样一致性拟合）
9.1 拟合算法相关
9.2 拟合模型相关
10. Segmentation（分割）
区域生长分割(分割建筑物或地面的各部分)
基于颜色的区域生长分割(分割具有颜色流通性的各部分)
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
