第2章：点云数据基础 — 从PCL到你的第一个点云程序

说实话，我刚入行那会儿，面对点云数据也是一头雾水。一堆三维坐标点，能干啥？后来才明白，点云处理的核心，说白了就是跟这些点打交道——怎么存、怎么读、怎么写、怎么用。这一章，我们就来搞定这些基础。

2.1 PCL库：点云世界的“瑞士军刀”

PCL（Point Cloud Library），全称点云库。它不是某个公司出的商业软件，而是全球开发者一起维护的开源项目。我个人的习惯是，把它看作点云领域的OpenCV——功能全面，社区活跃，文档也还算友好。

PCL能做什么？我简单列一下：

滤波：去除噪声、下采样、离群点剔除
特征估计：法线、曲率、FPFH描述子
配准：ICP、NDT，把多帧点云拼到一起
分割：地面提取、聚类、平面检测
识别：物体识别、六自由度位姿估计

嗯，这里要注意：PCL的模块划分很清晰，但编译起来有点麻烦。我第一次编译PCL时，光依赖库就装了半小时。建议直接用包管理器安装，省心。

我的小建议： 如果你用Ubuntu，直接 sudo apt install libpcl-dev 搞定。Windows用户推荐vcpkg，别自己从源码编译，除非你想练练耐心。

2.2 点云数据结构：PointXYZ 与 PointXYZRGB

点云数据，本质上就是一堆点。每个点至少包含三维坐标（x, y, z）。但实际应用中，我们往往需要更多信息——颜色、强度、法线等等。

PCL里最常用的两个点类型：

点类型	包含字段	典型用途
pcl::PointXYZ	x, y, z	纯几何信息，激光雷达原始数据
pcl::PointXYZRGB	x, y, z, r, g, b	带颜色，RGB-D相机或融合视觉

我记得有一次做项目，客户要求把激光雷达和相机数据融合。激光雷达给的是PointXYZ，相机给的是RGB图像。怎么把颜色赋给点云？其实就是把相机像素坐标映射到激光雷达坐标系，然后填充PointXYZRGB的r、g、b字段。听起来简单，但标定搞了我整整两天。

  关键点： PointXYZRGB的颜色字段是 uint32_t rgba，不是三个独立的float。赋值时要用PCL提供的 pcl::RGB 结构体，或者直接位运算。我见过有人直接写 point.r = 255，结果颜色全乱套了。

2.3 点云文件的读写：PCD与PLY

点云数据怎么存？最常用的两种格式：PCD和PLY。

PCD：PCL的原生格式，读写速度极快，支持二进制和ASCII。我一般用二进制，文件小、加载快。
PLY：更通用的格式，支持颜色、法线、甚至多边形网格。如果你要和MeshLab、Blender交换数据，PLY是首选。

下面是一个完整的读写示例。我习惯把代码写得简洁一点，但关键步骤一个都不能少。

#include <pcl/io/pcd_io.h>
#include <pcl/io/ply_io.h>
#include <pcl/point_types.h>

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

// 填充一些点（模拟数据）
cloud->width = 5;
cloud->height = 1;  // 无序点云
cloud->points.resize(cloud->width * cloud->height);

for (size_t i = 0; i < cloud->points.size(); ++i) {
    cloud->points[i].x = 1024 * rand() / (RAND_MAX + 1.0f);
    cloud->points[i].y = 1024 * rand() / (RAND_MAX + 1.0f);
    cloud->points[i].z = 1024 * rand() / (RAND_MAX + 1.0f);
}

// 保存为PCD（二进制格式）
pcl::io::savePCDFileBinary("test.pcd", *cloud);
std::cout << "保存PCD完成" << std::endl;

// 保存为PLY（ASCII格式）
pcl::io::savePLYFileASCII("test.ply", *cloud);
std::cout << "保存PLY完成" << std::endl;

// 读取PCD文件
pcl::PointCloud<pcl::PointXYZ>::Ptr loaded_cloud(new pcl::PointCloud<pcl::PointXYZ>);
if (pcl::io::loadPCDFile<pcl::PointXYZ>("test.pcd", *loaded_cloud) == -1) {
    PCL_ERROR("读取PCD文件失败\n");
    return -1;
}
std::cout << "读取了 " << loaded_cloud->points.size() << " 个点" << std::endl;

我曾经踩过的坑： 读取PLY文件时，如果文件里包含颜色信息，但你用PointXYZ去读，程序不会报错，但颜色数据会丢失。一定要根据文件内容选择正确的点类型。另外，PCD文件的头部信息里有个 FIELDS 字段，看一眼就知道里面存了什么。

2.4 本章知识体系

为了让你更直观地理解本章内容，我画了一张图。它展示了从原始数据到点云对象的完整流程。

这张图把本章内容串起来了。你想想看，从PCL库出发，理解点云数据结构，再掌握文件读写，这就是点云处理的第一步。后面所有的滤波、配准、分割，都建立在这个基础之上。

实战建议： 学完这一章，我建议你立刻动手写一个程序：从PCD文件读取点云，遍历每个点，打印出坐标，再保存为PLY。这个过程能帮你彻底理解点云数据的本质——不过是一堆结构体数组罢了。

好了，这一章就到这里。记住，点云处理没有捷径，但打好基础能让你少走很多弯路。下一章我们开始真正的滤波实战，到时候你会感谢今天认真学数据结构的自己。

📚 课程目录

第2章：点云数据基础 — 从PCL到你的第一个点云程序

2.1 PCL库：点云世界的“瑞士军刀”

2.2 点云数据结构：PointXYZ 与 PointXYZRGB

2.3 点云文件的读写：PCD与PLY

2.4 本章知识体系