第1章：PCL点云库入门

各位同学，欢迎来到《点云滤波与IMU融合定位算法实战》的第一课。

说实话，每次带新人入门点云处理，我都要先问一句：「你装好PCL了吗？」

PCL，全称Point Cloud Library，是点云处理领域最常用的开源库。我做了这么多年SLAM，几乎每个项目都离不开它。今天咱们就花一章的时间，把PCL的核心模块、数据结构和可视化工具捋一遍。

1.1 PCL核心模块介绍

PCL的模块划分得很清晰。我个人习惯把它分成三大块：滤波、配准、分割。当然还有别的模块，但这三个是咱们做SLAM最常用的。

1.1.1 滤波模块

滤波是点云预处理的第一步。你想想看，激光雷达扫出来的原始点云，噪声多、离群点多、数据量大，直接拿来用肯定不行。

PCL的滤波模块提供了很多滤波器，我挑几个常用的说说：

• 直通滤波器（PassThrough）：按坐标轴范围裁剪点云。比如我只想保留前方10米内的点，设个x轴范围就行。
• 体素滤波器（VoxelGrid）：下采样用的。把空间划分成小立方体，每个立方体只保留一个重心点。数据量能降一个数量级。
• 统计滤波器（StatisticalOutlierRemoval）：去除离群点。计算每个点邻域的统计特征，把偏离太远的点干掉。
• 半径滤波器（RadiusOutlierRemoval）：如果某个点周围指定半径内点数太少，就认为是噪声。

1.1.2 配准模块

配准，说白了就是把两片点云对齐。这在SLAM里太重要了——你要把当前帧和地图对齐，才能知道自己在哪。

PCL配准模块的核心算法：

• ICP（Iterative Closest Point）：最经典的配准算法。迭代找最近点，计算变换矩阵。收敛慢，但精度高。
• NDT（Normal Distributions Transform）：把点云用正态分布表示，配准速度比ICP快很多。我在做自动驾驶定位时特别喜欢用NDT。
• 特征匹配配准：先提取特征点（如FPFH、SHOT），再匹配特征，最后用RANSAC求变换。适合粗配准。

1.1.3 分割模块

分割就是把点云分成不同的物体或区域。比如从一堆点里把地面、墙壁、行人分开。

常用的分割方法：

• 平面分割（RANSAC）：用随机采样一致性算法拟合平面。提取地面、墙面特别好用。
• 欧几里得聚类（EuclideanClusterExtraction）：根据点之间的距离聚类。适合分离独立的物体。
• 区域生长（RegionGrowing）：基于法向量和曲率，把相似的点聚在一起。

1.2 PCL数据结构

学PCL，首先要搞懂它的数据结构。说白了，就是怎么存点云。

1.2.1 PointCloud

pcl::PointCloud 是PCL最核心的数据结构。它本质上是一个模板类，里面存了一堆点。

关键成员：

• points：点数据的vector，存了所有点。
• width 和 height：如果是有序点云，width是每行点数，height是行数；无序点云height=1。
• is_dense：标记是否有无效点（NaN）。

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

// 设置点云属性
cloud->width = 1000;
cloud->height = 1;  // 无序点云
cloud->is_dense = false;
cloud->points.resize(cloud->width * cloud->height);

// 填充点数据
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);
}

1.2.2 PointXYZ

pcl::PointXYZ 是最基础的点类型，只包含x、y、z三个坐标。你想想看，大部分场景下我们只需要位置信息，这就够了。

其他常用点类型：

1.3 PCL可视化工具

做点云处理，可视化太重要了。你看不到数据，怎么调试？PCL提供了两个可视化工具：CloudViewer 和 PCLVisualizer。

1.3.1 CloudViewer

CloudViewer 是最简单的可视化类。适合快速看一眼点云长什么样。

#include <pcl/visualization/cloud_viewer.h>

// 创建viewer对象
pcl::visualization::CloudViewer viewer("Simple Cloud Viewer");

// 显示点云
viewer.showCloud(cloud);

// 保持窗口打开
while (!viewer.wasStopped()) {
    // 可以在这里做其他处理
}

嗯，就这么几行代码，你就能看到点云了。但 CloudViewer 功能有限，不能添加多个点云、不能交互。

1.3.2 PCLVisualizer

如果你需要更复杂的可视化，用 PCLVisualizer。它支持：

• 同时显示多个点云
• 添加坐标轴、文字、形状
• 鼠标交互（旋转、缩放、选点）
• 回调函数（比如点击点云获取坐标）

#include <pcl/visualization/pcl_visualizer.h>

// 创建PCLVisualizer
pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));
viewer->setBackgroundColor(0, 0, 0);  // 黑色背景

// 添加点云
viewer->addPointCloud<pcl::PointXYZ>(cloud, "sample cloud");

// 添加坐标轴
viewer->addCoordinateSystem(1.0);

// 设置视角
viewer->initCameraParameters();

// 循环显示
while (!viewer->wasStopped()) {
    viewer->spinOnce(100);
    boost::this_thread::sleep(boost::posix_time::microseconds(100000));
}

本章知识体系

下面这张图，是我自己画的PCL入门知识结构。你看一眼，心里就有数了。

好了，第一章的内容就到这里。PCL入门其实不难，关键是动手敲代码。我建议你今晚就把上面的代码示例跑一遍，看看点云长什么样。

记住，做SLAM，数据结构和可视化是基本功。后面几章我们会深入滤波和配准，到时候这些基础就派上用场了。