第2章：PCL库入门：安装、配置与第一个滤波程序

说实话，很多初学者一上来就被PCL的编译折腾得够呛。我当年第一次装PCL，光编译就花了整整一个下午。嗯，今天咱们就把这事捋清楚，让你少走弯路。

2.1 PCL是什么？

PCL，全称Point Cloud Library，点云库。说白了，它就是点云处理界的OpenCV。你想对点云做什么操作，滤波、分割、配准、识别，它基本都提供了现成的工具。

我个人习惯把PCL看作一个工具箱。里面装着各种扳手、螺丝刀——也就是各种算法模块。你不需要自己造轮子，直接拿来用就行。

核心模块一览：

Filters：滤波模块，去除噪声、下采样
Features：特征提取，比如法向量、FPFH
Segmentation：分割模块，地面分割、聚类
Registration：配准模块，ICP算法就在这
Visualization：可视化模块，看点云用的

2.2 安装PCL——别再踩这些坑了

安装PCL，不同平台差别挺大。我分别说说Windows和Ubuntu下的做法。

Windows下安装（推荐vcpkg方式）

我以前用官方安装包，结果各种依赖缺失。后来改用vcpkg，真香。你想想看，一条命令搞定所有依赖，多省心。

# 先安装vcpkg（如果还没装）
git clone https://github.com/Microsoft/vcpkg.git
cd vcpkg
.\bootstrap-vcpkg.bat

# 安装PCL（64位版本）
.\vcpkg install pcl:x64-windows

# 集成到Visual Studio
.\vcpkg integrate install

安装完成后，在VS里新建项目，直接#include <pcl/...>就能用。注意选x64平台，别用x86——我见过有人在这卡了半天。

Ubuntu下安装

Ubuntu就简单多了。但要注意版本问题。Ubuntu 18.04默认装的是PCL 1.8，20.04是1.10。如果你需要最新版，得从源码编译。

# 一行命令搞定（Ubuntu 20.04）
sudo apt install libpcl-dev pcl-tools

# 验证安装
pcl_viewer --help  # 能显示帮助信息就说明装好了

我曾经踩过的坑：

Ubuntu下用apt安装PCL后，编译自己的程序时提示找不到pcl_visualizer。后来发现是没装vtk的依赖。解决办法：sudo apt install libvtk7-dev。嗯，这个坑我替你们踩过了。

2.3 核心数据结构：PointCloud和PointXYZ

PCL里最核心的数据结构就两个：PointCloud和PointXYZ。你想想看，点云不就是一堆点的集合吗？PointXYZ代表单个点，PointCloud代表整片点云。

PointXYZ——一个点的样子

一个三维点，包含x、y、z三个坐标。就这么简单。但PCL还提供了其他点类型，比如带颜色的PointXYZRGB，带法向量的PointNormal。

// 创建一个点
pcl::PointXYZ point;
point.x = 1.0f;
point.y = 2.0f;
point.z = 3.0f;

// 或者用初始化列表
pcl::PointXYZ point2(1.0f, 2.0f, 3.0f);

PointCloud——点云的容器

PointCloud本质上是一个vector，里面存了一堆点。它还额外保存了点云的宽度、高度、是否有序等信息。

// 创建一个点云对象
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

// 设置点云属性
cloud->width = 100;    // 点的数量
cloud->height = 1;     // 1表示无序点云
cloud->points.resize(cloud->width * cloud->height);

// 填充点云数据
for (size_t i = 0; i < cloud->points.size(); ++i) {
    cloud->points[i].x = static_cast<float>(i);
    cloud->points[i].y = static_cast<float>(i * 2);
    cloud->points[i].z = 0.0f;
}

小技巧：

用PointCloud::Ptr（智能指针）来管理点云对象。这样你传参的时候不用复制整个点云，只传指针就行。我在项目中处理百万级点云时，这个习惯帮我省了不少内存。

2.4 第一个滤波程序——直通滤波

好了，理论说完了，咱们来写第一个滤波程序。直通滤波（PassThrough）是最简单的滤波方式——你设定一个范围，范围内的点留下，范围外的去掉。

为什么要用直通滤波？举个例子：你扫描了一个房间，只想看地面附近（z=0附近）的点。用直通滤波，设定z轴范围[-0.1, 0.1]，地面就出来了。

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/passthrough.h>

int main() {
    // 1. 加载点云
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(new pcl::PointCloud<pcl::PointXYZ>);

    if (pcl::io::loadPCDFile<pcl::PointXYZ>("input.pcd", *cloud) == -1) {
        PCL_ERROR("Couldn't read file input.pcd\n");
        return -1;
    }
    std::cout << "原始点云点数: " << cloud->points.size() << std::endl;

    // 2. 创建直通滤波器对象
    pcl::PassThrough<pcl::PointXYZ> pass;
    pass.setInputCloud(cloud);           // 设置输入点云
    pass.setFilterFieldName("z");        // 设置滤波字段（z轴）
    pass.setFilterLimits(0.0, 1.0);      // 设置范围：保留z在0到1之间的点
    // pass.setFilterLimitsNegative(true); // 如果设为true，则保留范围外的点

    // 3. 执行滤波
    pass.filter(*cloud_filtered);

    // 4. 输出结果
    std::cout << "滤波后点云点数: " << cloud_filtered->points.size() << std::endl;

    // 5. 保存结果
    pcl::io::savePCDFileASCII("output.pcd", *cloud_filtered);

    return 0;
}

这段代码的逻辑很清晰：加载点云 → 设置滤波器 → 执行滤波 → 保存结果。你想想看，是不是跟用筛子筛面粉一个道理？

编译命令（CMakeLists.txt）：

cmake_minimum_required(VERSION 3.10)
project(passthrough_filter)

find_package(PCL 1.8 REQUIRED)
include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})

add_executable(passthrough_filter passthrough_filter.cpp)
target_link_libraries(passthrough_filter ${PCL_LIBRARIES})

2.5 本章知识体系

下面这张图帮你理清本章的知识脉络。我画图的时候习惯把核心概念放在中间，外围是具体操作和注意事项。

我的建议：

学PCL别贪多。先把安装环境搞定，然后跑通第一个滤波程序。能跑通，你就已经入门了。剩下的，遇到什么需求再学什么模块。我当年就是这么过来的。

好了，这一章的内容就到这。安装配置搞定了，核心数据结构也了解了，第一个滤波程序也跑通了。接下来你就可以自己试试不同的滤波参数，看看效果有什么变化。实践出真知嘛。