第3章：点云可视化——让数据“活”起来

点云处理这行，有个很朴素的道理：看不见，就调不对。

我刚开始做SLAM那会儿，经常对着终端里密密麻麻的坐标数值发呆。直到有一天，前辈扔给我一句：“你把点云显示出来看看。” 好家伙，原来有个点云飘到天花板上了！从那以后，我养成了一个习惯——每处理一步，就看一眼可视化结果。

这一章，我们就聊聊怎么让点云“活”起来。主要讲三个工具：PCL的可视化器、ROS的Rviz，以及几个常用查看器的对比。

核心观点：可视化不是花架子，它是调试的“眼睛”。你花10分钟写可视化代码，可能帮你省下2小时的排查时间。

3.1 为什么需要可视化？

说白了，点云就是一串三维坐标。你盯着数字看，很难看出门道。但一旦渲染成图像，很多问题就一目了然了：

  • 数据质量：有没有离群点？点云是不是稀疏？
  • 配准效果：两帧点云对齐了吗？有没有错位？
  • 滤波结果：地面被滤掉了吗？保留了多少有效点？
  • 特征提取：关键点选在了哪里？法向量方向对不对？

我个人习惯是：每写一个处理模块，就配一个可视化回调。这样调试起来，心里踏实。

3.2 PCL可视化工具

PCL自带的 pcl::visualization 模块，是我们最常用的工具。它轻量、直接，不需要额外依赖。

3.2.1 基础用法：显示单帧点云

先来个最简单的例子。把点云加载进来，然后显示出来：

#include <pcl/visualization/cloud_viewer.h>
#include <pcl/io/pcd_io.h>

int main() {
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::io::loadPCDFile("example.pcd", *cloud);

    pcl::visualization::CloudViewer viewer("点云查看器");
    viewer.showCloud(cloud);

    while (!viewer.wasStopped()) {
        // 保持窗口打开
    }
    return 0;
}

嗯，就这么几行。运行后你会看到一个窗口，点云以默认的白色显示。你可以用鼠标拖拽旋转、滚轮缩放。

小技巧：如果点云显示出来全是白色，别慌。试试按键盘上的 r 键重置视角，或者检查一下点云的范围是否正常。

3.2.2 进阶用法：PCLVisualizer

CloudViewer 虽然简单，但功能有限。真要干活，我推荐用 pcl::visualization::PCLVisualizer。它支持更多定制：

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

// 添加点云，并设置颜色
pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> color(cloud, 255, 0, 0);
viewer->addPointCloud<pcl::PointXYZ>(cloud, color, "cloud");
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "cloud");

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

while (!viewer->wasStopped()) {
    viewer->spinOnce(100);
}

你看，这里我可以控制点云颜色、大小，还能加上坐标轴。我在项目中经常用这个来对比两帧点云——把一帧设成红色，另一帧设成绿色，重叠部分会变成黄色，配准好坏一眼就能看出来。

3.2.3 避坑指南

我曾经踩过的坑：

  • 内存泄漏：在循环里反复创建 CloudViewer 对象，程序跑着跑着就崩了。正确做法是只创建一次，然后复用。
  • 线程问题：spinOnce() 和 spin() 的区别要搞清楚。前者是非阻塞的，适合集成到主循环里；后者会阻塞，适合单独开线程。
  • 点云太大：几十万个点显示起来很卡。可以先用 pcl::VoxelGrid 降采样，再可视化。

3.3 ROS Rviz显示点云

如果你在用ROS做SLAM，那Rviz就是标配了。它比PCL的可视化器更强大，支持实时数据流、多传感器融合显示。

3.3.1 发布点云话题

在ROS里，点云通常以 sensor_msgs::PointCloud2 格式发布。代码大概长这样：

#include <ros/ros.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>

int main(int argc, char** argv) {
    ros::init(argc, argv, "pcl_publisher");
    ros::NodeHandle nh;
    ros::Publisher pub = nh.advertise<sensor_msgs::PointCloud2>("cloud", 1);

    pcl::PointCloud<pcl::PointXYZ> cloud;
    // ... 填充点云数据 ...

    sensor_msgs::PointCloud2 msg;
    pcl::toROSMsg(cloud, msg);
    msg.header.frame_id = "map";

    ros::Rate rate(10);
    while (ros::ok()) {
        pub.publish(msg);
        rate.sleep();
    }
    return 0;
}

然后在Rviz里，添加一个 PointCloud2 显示，选择话题名 /cloud，就能看到了。

3.3.2 Rviz的实用设置

Rviz的配置项很多，我挑几个常用的说说：

  • Color Transformer：默认是 FlatColor，你可以改成 AxisColor（按坐标轴着色）或 Intensity（按强度值着色）。
  • Size (m)：点的大小。默认0.01，如果点云稀疏，可以调大到0.05。
  • Decay Time：点云保留时间。设为0表示只显示最新一帧；设为几秒，可以叠加显示历史帧。
  • Selectable：勾选后，你可以在Rviz里用鼠标点击选中某个点，查看它的坐标。

我的习惯：调试SLAM时，我会把Decay Time设成5秒，这样能看到轨迹的“尾巴”，方便判断运动是否平滑。

3.4 常用查看器对比

除了PCL和Rviz，市面上还有一些其他工具。我整理了一个对比表，方便你选择：

工具 适用场景 优点 缺点
PCL CloudViewer 快速查看单帧点云 轻量、无依赖、上手快 功能单一，不支持交互选择
PCL PCLVisualizer 算法调试、多帧对比 可编程、支持自定义渲染 需要写代码，学习成本略高
ROS Rviz SLAM系统、实时数据流 支持多传感器、可扩展、社区活跃 依赖ROS环境，启动较慢
CloudCompare 点云后处理、手动标注 图形界面友好、支持编辑 不适合实时显示
MeshLab 网格重建、点云美化 渲染效果好、支持多种格式 偏重网格处理，点云功能有限

我个人建议：开发阶段用PCLVisualizer，系统集成用Rviz，数据后处理用CloudCompare。三个工具各有所长，搭配着用效率最高。

3.5 本章知识体系

为了让你更直观地理解本章内容，我画了一张结构图：

点云可视化知识体系 PCL可视化工具 CloudViewer（快速查看） PCLVisualizer（定制渲染） 颜色控制、坐标轴、多帧对比 ROS Rviz 实时数据流显示 多传感器融合 话题发布、配置项调优 常用查看器对比 CloudCompare（后处理） MeshLab（网格美化） 各工具优缺点对比 核心原则：开发用PCLVisualizer，集成用Rviz，后处理用CloudCompare

3.6 写在最后

可视化这件事，看起来简单，但做得好不容易。我见过不少新手，花了大把时间调算法，却从不肯花5分钟写个可视化代码。结果呢？bug藏了一堆，排查起来痛苦不堪。

记住一句话：能看到的bug，都不是大bug。真正难搞的，是那些看不见的——比如坐标系搞错了、时间戳对不上。而这些，恰恰可以通过可视化来发现。

好了，这一章就到这里。拿起你的点云数据，试着用PCL或Rviz把它显示出来吧。相信我，当你第一次看到点云在屏幕上旋转时，那种感觉——嗯，挺爽的。

可可精品资料库

← 上一章 📖 返回目录 下一章 →