PCL 点云处理算法与函数汇总（C++ 版） | 极客日志

PCL 点云处理算法与函数汇总（C++ 版） | 极客日志

pcl::copyPointCloud(*cloud, indicesY,*cloud_yboundary);

pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
if(pcl::io::loadPCDFile<pcl::PointXYZ>("source_slice_4000_change.pcd",*cloud)==-1){
    PCL_ERROR("Could not read file\n");
}

pcl::io::savePCDFileBinary("dragonfps.pcd",*filtered);

一、点云滤波

1、常用滤波器

PCL 直通滤波器
PCL 体素滤波器
PCL 改进体素滤波
PCL 最小点数约束的 VoxelGrid 体素滤波
PCL 计算体素特征的体素滤波
PCL 统计滤波器
PCL 半径滤波器
PCL 条件滤波器
PCL 条件滤波器——基于曲率的下采样
PCL 模型滤波器
PCL 投影滤波器
PCL 点云投影到拟合平面
PCL 点云投影到球面
PCL 点云投影到圆柱
PCL 点云投影到拟合直线
PCL 索引提取器
PCL 从一个点集中提取一个子集
PCL 高斯滤波
PCL 点云添加高斯噪声并保存
PCL 点云添加均匀分布的随机噪声
PCL 基于强度的双边滤波
PCL 基于法线的双边滤波
PCL 快速双边滤波
PCL（多线程）快速双边滤波
PCL 有序点云的中值滤波
PCL 阴影点移除

2、采样滤波

PCL 均匀采样
PCL 快速均匀采样
PCL 随机采样
PCL 法线空间采样
PCL 索引空间采样
PCL MLS 上采样
PCL 最远点采样
PCL 改进降采样算法
PCL 获取指定高程的所有点
PCL LocalMaximum 局部最大值滤波
PCL GridMinimum 获取栅格最低点

3、裁剪滤波

PCL CropHull 任意多边形内部点云提取
PCL CropBox 过滤/提取给定立方体内的点云数据
PCL 平面裁剪器 (PlaneClipper3D) 的使用

二、KD 树与八叉树

1、KD 树

PCL KD 树的使用
PCL 点云圆柱形邻域搜索
PCL addLine 可视化 K 近邻
PCL 点云平均密度计算（版本一）
PCL 计算点云平均密度（版本二）
PCL 删除点云中重叠的点 (方法一)
PCL 删除点云中重叠的点 (方法二)
PCL 快速删除点云中重叠的点 (方法三)

2、八叉树

PCL 八叉树的使用
PCL 八叉树的应用——点云压缩
PCL 八叉树的应用——空间变化检测
PCL 计算八叉树每个体素的边界最值点
PCL 求八叉树的体素中心
PCL 计算八叉树每个体素的中心点 (2)
PCL 基于八叉树的体素滤波

三、点云配准

粗配准

PCL 4PCS 算法实现点云配准
PCL K4PCS 算法实现点云配准
PCL 改进的 RANSAC 算法实现点云粗配准
PCL SAC-IA 初始配准算法
PCL 刚性目标的鲁棒姿态估计
PCL 将对象模板与点云对齐

精配准

1、点到点的 ICP 算法

PCL ICP 算法实现点云精配准
PCL KD-ICP 实现点云精配准
PCL 交互式迭代最近点精配准
PCL 多幅点云配准

2、点到面的 ICP 算法

PCL 点到面的 ICP 算法
PCL 线性最小二乘法优化的点到面 ICP 精配准算法
PCL 列文伯格 - 马夸尔特非线性最小二乘优化点到面的 ICP 算法
PCL 目标函数对称的 ICP 算法

3、改进的 ICP 算法

PCL Trimmed ICP 实现点云精配准
PCL 使用 GICP 对点云配准
PCL 非线性加权最小二乘优化的点到面 ICP 算法
PCL LM-ICP 算法实现点云精配准

4、基于概率模型的算法

PCL 3D-NDT 算法实现点云配准

对应关系

PCL: CorrespondenceEstimationNormalShooting 的使用
PCL 查找对应点关系并可视化
PCL 提取两片点云的重叠部分并保存
PCL 提取两片点云的非重叠部分
PCL 计算两点云之间的最小距离
PCL 计算两片点云重叠区域的均值标准差
PCL 获取配准后两点云之间的差异
PCL 实现 K 近邻查找匹配点对
PCL RANSAC 剔除错误匹配点对
PCL 法向量夹角剔除错误匹配点对
PCL 基于距离的错误对应关系去除
PCL 基于中值距离的对应关系去除
PCL 根据特征描述子获取对应关系
PCL FPFH 查找对应点对 SVD 进行配准

配准精度

PCL 中 getFitnessScore() 的计算
点云配准精度评价指标——均方根误差
点云配准—计算旋转平移误差

坐标转换

PCL 欧式变换，实现点云坐标变换
PCL 仿射变换，实现点云平移旋转
PCL SVD 分解求变换矩阵
SVD 分解求变换矩阵（C++详细过程版）
PCL 点云变换
PCL Umeyama 算法求两个点云的变换矩阵

刚体运动变换

Eigen 空间变换模块使用
Eigen(几何模块)——常用相互转换
Eigen——四元数的应用

四、点云拟合分割

1、RANSAC

PCL RANSAC 拟合直线
PCL RANSAC 拟合分割多条直线
PCL RANSAC 分割提取多个圆柱
PCL 计算三维空间中点到直线的距离
PCL 角度约束的 RANSAC 拟合直线
PCL 使用 RANSAC 拟合平面
PCL 夹角约束的 RANSAC 拟合平面
PCL RANSAC 拟合二维圆
PCL RANSAC 拟合空间圆
PCL RANSAC 分割提取多个空间圆
PCL RANSAC 拟合球体
PCL RANSAC 分割提取多个球体
PCL RANSAC 拟合分割圆柱体模型
PCL 中实现平面模型分割
PCL 分割多个平面
PCL 分割指定阈值内的平面
PCL 最小二乘拟合平面
PCL 计算点到平面的距离
PCL RANSAC 拟合圆锥

2、其他几何分割

PCL 欧式聚类分割
PCL 区域生长分割
PCL 基于颜色的区域生长分割
PCL 最小图割分割
PCL 法线微分分割
PCL 基于超体素的点云分割
PCL 渐进式形态学滤波
PCL 使用 LCCP 算法进行点云分割
PCL 使用 CPC 算法进行点云分割

五、三维重建

PCL PolygonMesh 数据结构
PCL 贪婪投影三角剖分算法
PCL 泊松曲面重建法
PCL 泊松曲面重建法（多线程加速版）
PCL 网格投影曲面重建算法
PCL 移动立方体三维重建——Hoppe 算法
PCL 移动立方体三维重建——RBF 算法
PCL 耳切三角剖分算法
PCL 平面点云 B 样条曲线拟合
PCL 基于 B 样条曲线的曲面重建
PCL 重建点云凸包并可视化
PCL Alpha‑shape 表面重建算法
PCL 平面点云的凸多边形边界提取
PCL 平面点云的凹多边形边界提取
PCL 点云体素化

六、特征点与特征描述

1、点云的属性

PCL 特征 (pcl::Feature) 模块使用方法
PCL 主成分分析 (PCA) 在三维点云中的应用
PCL 计算点云的主曲率
PCL 计算点云的高斯曲率和平均曲率
PCL 输出点云的主曲率信息到 txt 文件并保存
利用相邻点的法向量估计一个点的主曲率
PCL 使用积分图进行法线估计
PCL 计算点云法向量并显示
PCL 计算点云中任意一个点的法向量
PCL 法向量精细化处理
PCL MLS 计算法线并显示
PCL 计算点云包围盒
PCL 计算点云 AABB 包围盒的体积
PCL PCA 构建点云包围盒
PCL 点云边界提取
PCL Alpha Shapes 平面点云边界特征提取
PCL 平面点云边界点按顺/逆时针排序 (方法一)
PCL 根据时间索引提取扫描线

2、关键点提取

PCL ISS 关键点提取
PCL Harris3D 关键点提取
PCL 点云 SUSAN 关键点提取
PCL 3D-SIFT 关键点检测 (Z 方向梯度约束)
PCL 3D-SIFT 关键点检测 (曲率不变特征约束)
PCL 3D-SIFT 关键点检测 (RGB 颜色特征约束)
PCL NARF 关键点提取

3、特征描述子

PCL 计算 PFH 并可视化
PCL 计算 FPFH 并可视化
PCL 估计一点云的 VFH 特征
PCL Spin Image 旋转图像
PCL SHOT352 描述子
PCL 计算 3DSC 并可视化
PCL 计算点云的 ESF 多维形状描述符
PCL 计算点云的矩不变量

七、基础函数

1、common 模块

PCL 读取、保存点云
PCL 查看点云数据中包含的属性信息
PCL 角度制与弧度制的相互转换
PCL common 模块应用实例
PCL 之 common 模块详解
PCL 数据结构的类型
PCL 计算点云的质心
PCL 点云去质心
PCL 计算点云的协方差矩阵
PCL 计算点云的归一化协方差矩阵和三维质心
PCL 计算异面直线的距离
PCL 计算点云法向量的夹角
PCL 计算外接圆的半径
PCL 点云二维格网化
PCL 获取指定高程的所有点
PCL 获取指定区域的点
PCL 计算多边形的面积
PCL 使用 getRandomColor 对点云进行随机赋色
PCL 有序点云常用基础操作

2、其他

PCL 常用小知识
PCL 距离计算
PCL 计算两三维向量的曼哈顿距离
PCL 点云格式转换
PCL 计算点云的最值
PCL 计算点云中值
PCL 计算最值点的坐标
PCL 计算点云坐标最值及其索引
PCL 点云按坐标值大小进行排序
PCL 计算点云的最大距离
PCL 随机选取一点并计算距离它最远的点
PCL 点云合并 (两个点云中的数据或字段连接)
PCL 计算点云的均值与标准差
PCL 代码运行时间计算方法汇总
PCL——modelnet40_normal 数据集.txt 文件转.pcd 并可视化
PCL——KITTI 数据集.bin 文件转.pcd 并可视化
PCL 生成常见三维立体点云
PCL 生成空间圆点云
PCL 生成圆形平面点云
PCL 生成空间直线点云
PCL 生成空间椭圆点云
PCL 生成球形点云
PCL 迭代器的使用
PCL 计算点云的形心
PCL 批量读取点云并添加随机旋转平移误差

八、点云可视化

1、Plotter 模块

PCL Plotter 不同类型的绘图方式

2、Viewer 模块

PCL 可视化体素格网
PCL 可视化 FPFH 之间的差异
PCL 点云按高程渲染颜色
PCL 点云按强度渲染颜色
PCL 点云按时间进行渲染赋色
PCL 点云按分类标签进行渲染
PCL 点云按曲率大小渲染颜色
PCL 点云随机赋色
PCL 点云可视化汇总
PCL 大窗口可视化两个点云
PCL 多视口可视化点云
PCL 部分点云视点问题
PCL 可视化窗口添加文字标签
PCL 二维动态图制作
PCL 读取 txt 格式点云并可视化
PCL 常见图形可视化汇总
PCL 读取并显示 ply 格式网格模型
PCL 读取并显示 obj 格式网格模型
PCL 读取 STL 文件并转存为 PCD
PCL 中添加坐标系（CoordinateSystem）
PCL 点云按密度进行渲染
PCL 使用 Glasbey 颜色表对点云进行随机赋色

九、PCL 之 VTK

PCL 之 vtk 计算点云模型的法向量
PCL 之 vtk 计算点云模型的曲率
PCL 之 vtk 实现 ICP 配准
PCL 之 vtk 读取 3d max 模型并可视化
PCL 之 vtk 计算点云模型的面积和体积
PCL 之 vtk 常见错误解决办法
PCL——VTK 读取、保存.ply 模型数据

十、点云与图像

PCL 点云转深度图像并可视化保存
PCL 点云二维格网化
PCL 点云转强度图像

十一、交互式操作

PCL 自定义鼠标键盘交互使用方法
PCL 屏幕上选点并显示三维坐标
PCL 框选点云并保存
PCL 计算点云图中任意两点的欧式距离

十二、PCL 处理 las 点云

Win10 系统下 VisualStudio2019 配置 LasLib 库
WIN10 系统下 VisualStudio2019 配置 PDAL 库
PCL 从 LAS 文件中获取点云的坐标
PCL 从 LAS 文件中获取点云的强度
PCL 从 LAS 文件中获取点云的颜色
PCL 新增自定义点类型
PCL 从 LAS 文件中获取点云的 GPS 时间
PCL 从 LAS 文件中获取点云的分类标签
PCL 从 LAS 文件中获取点云的全部属性
PCL 获取带有强度信息的 pcd 点云
PCL 根据时间索引提取扫描线