（二）PCL基本資料類型

PointCloud

在PCL 1.x中最基本的資料類型就是PointCloud了。它是一個C++類，包含了如下的資料成員（括号中是這個資料的資料類型）：

- width(int)

==指定了點雲資料中的寬度==。width有兩層含義：

- 可以指定點雲的數量，但是隻是對于無序點雲而言。

- 指定有序點雲中，一行點雲的數量。

有序點雲（organized point cloud ）：有序點雲中的點排列情況類似圖檔（或矩陣），是按照行和列的結構排列的。這樣的點雲資料通常來自立體相機或TOF相機。有序點雲的優勢在于，通過知道兩個相鄰點的關系，最近鄰點操作會變得更加有效，是以可以加速計算，并且降低PCL中一些算法的開銷。

投影點雲（projectable point cloud）：投影點雲首先屬于有序點雲，并且投影點雲中點的下标表示–（u,v）類似圖檔中像素的坐标，與這個點的3D坐标（x,y,z）有一定的關系。這個關系可以由針孔相機模型導出：

u=fxz u = f x z 和 v=fyz v = f y z

例如：

• height(int)

  ==指定了點雲資料中的高度==。height有兩層含義：

  • 指定有序點雲中，點雲行的數量。

  • 對于無序點雲，将height設為1（它的width即為點雲的大小），以此來區分點雲是否有序。

    例如：

// 有序點雲--類似圖檔中像素的組織結構，擁有行，列，總共有* = 個點
cloud.width = ; 
cloud.height = ;
           

// 無序點雲--高度為，寬度與點雲大小相同為
cloud.width = ;
cloud.height = ;
           

• points(std::vector)

  points是存儲類型為PointT的點的向量。舉例來說，對于一個包含XYZ資料的點雲，points成員就是由pcl::PointXYZ類型的點構成的向量：

pcl::PointCloud<pcl::PointXYZ> cloud;
std::vector<pcl::PointXYZ> data = cloud.points;
           

• is_dense(bool)

  指定點雲中的所有資料都是有限的（true），還是其中的一些點不是有限的，它們的XYZ值可能包含inf/NaN 這樣的值（false）。

• sensor_origin_(Eigen::Vector4f)

  指定傳感器的采集位姿（==origin/translation==）這個成員通常是可選的，并且在PCL的主流算法中用不到。

• sensor_orientaion_(Eigen::Quaternionf)

  指定傳感器的采集位姿（方向）。這個成員通常是可選的，并且在PCL的主流算法中用不到。

  為了簡化開發，PointCloud類包含許多幫助成員函數。舉個例子，如果你想判斷一個點雲是否有序，不用檢查height是否等于1，而可以使用isOrganized()函數來判斷：

if (!cloud.isOrganized ())
  ...
           

PointT代表了點雲中的單元-點的類型。