4. 点云基础操作：读取与保存PCD文件、点云数据结构、字段与类型

点云处理的第一步，说白了就是跟文件打交道。

你拿到一堆激光雷达数据，总得知道怎么读进来、怎么看懂里面的结构、怎么再存回去。我刚开始接触PCD文件时，也踩过不少坑。今天咱们就把这块彻底讲透。

4.1 PCD文件：点云的通用语言

PCD，全称Point Cloud Data，是Point Cloud Library（PCL）定义的一种文件格式。它不是什么高深的东西，就是一个文本或二进制文件，用来存点云数据。

我个人习惯用PCD格式，原因很简单：通用、易读、工具链成熟。几乎所有点云库都支持它。

4.1.1 PCD文件长什么样？

咱们先看一个最简单的PCD文件内容（ASCII格式）：

# .PCD v0.7 - Point Cloud Data file format
VERSION 0.7
FIELDS x y z
SIZE 4 4 4
TYPE F F F
COUNT 1 1 1
WIDTH 5
HEIGHT 1
VIEWPOINT 0 0 0 1 0 0 0
POINTS 5
DATA ascii
0.1 0.2 0.3
0.4 0.5 0.6
0.7 0.8 0.9
1.0 1.1 1.2
1.3 1.4 1.5

嗯，这里要注意：头部（Header）和点数据之间用空行隔开。头部里每一行都定义了关键信息。

4.1.2 头部字段详解

字段	含义	示例值
VERSION	PCD格式版本	0.7
FIELDS	每个点的字段名	x y z rgb
SIZE	每个字段占用的字节数	4 4 4 4
TYPE	每个字段的数据类型	F F F F
COUNT	每个字段的元素个数	1 1 1 1
WIDTH	点云宽度（无序点云=点数）	5
HEIGHT	点云高度（无序点云=1）	1
VIEWPOINT	传感器位姿（平移+四元数）	0 0 0 1 0 0 0
POINTS	点云总点数	5
DATA	数据存储格式	ascii / binary

你想想看，有了这些信息，解析器就知道怎么读后面的数据了。比如FIELDS是x y z，那每行三个数，分别对应x、y、z坐标。

4.2 点云数据结构：从文件到内存

文件读进来了，数据在内存里怎么组织？这是关键。

在PCL中，点云数据用 pcl::PointCloud<T> 这个模板类表示。T就是点的类型，比如 pcl::PointXYZ、pcl::PointXYZRGB 等等。

4.2.1 核心数据结构

// 一个典型的点云对象
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

// 它内部包含：
// - width:  点云宽度
// - height: 点云高度
// - points: 存储所有点的std::vector
// - is_dense: 是否包含无效点（NaN）
// - sensor_origin_: 传感器原点
// - sensor_orientation_: 传感器朝向

我记得刚开始用PCL时，总搞不清 width 和 height 的关系。其实很简单：

• 无序点云：height = 1，width = 总点数
• 有序点云：height > 1，width = 每行点数，总点数 = width * height

有序点云通常来自深度相机或某些激光雷达的扫描线数据。你想想看，如果你知道每个点在哪条扫描线上，做滤波、分割就方便多了。

4.2.2 常见的点类型

点类型	包含字段	典型用途
PointXYZ	x, y, z	纯几何信息
PointXYZI	x, y, z, intensity	带反射强度
PointXYZRGB	x, y, z, r, g, b	带颜色信息
PointXYZRGBA	x, y, z, r, g, b, a	带透明度
PointNormal	x, y, z, normal_x, normal_y, normal_z	带法向量
PointXYZINormal	x, y, z, intensity, normal_x, normal_y, normal_z	综合信息

我在项目中遇到过一个问题：用 PointXYZ 存带强度的数据，结果强度信息全丢了。后来才意识到，字段类型必须匹配。你存了强度，就得用 PointXYZI 或自定义类型。

4.3 读取与保存：实战代码

光说不练假把式。咱们直接上代码。

4.3.1 读取PCD文件

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

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

// 读取PCD文件
if (pcl::io::loadPCDFile<pcl::PointXYZ>("scan.pcd", *cloud) == -1)
{
    PCL_ERROR("读取PCD文件失败！\n");
    return -1;
}

std::cout << "读取成功！点数：" << cloud->points.size() << std::endl;

这里有个坑：loadPCDFile 返回 -1 表示失败。我曾经因为路径写错，排查了半天。建议你用绝对路径或先检查文件是否存在。

4.3.2 保存PCD文件

// 保存为ASCII格式（可读性好，文件大）
pcl::io::savePCDFileASCII("output_ascii.pcd", *cloud);

// 保存为二进制格式（速度快，文件小）
pcl::io::savePCDFileBinary("output_binary.pcd", *cloud);

// 保存为压缩二进制格式（文件最小）
pcl::io::savePCDFileBinaryCompressed("output_compressed.pcd", *cloud);

我个人习惯：调试时用ASCII，正式处理用Binary。ASCII方便用文本编辑器查看，Binary读写速度快很多。你想想看，一个百万点的点云，ASCII文件可能上百MB，Binary只有几十MB。

4.3.3 访问和修改点数据

// 遍历所有点
for (size_t i = 0; i < cloud->points.size(); ++i)
{
    // 获取第i个点的坐标
    float x = cloud->points[i].x;
    float y = cloud->points[i].y;
    float z = cloud->points[i].z;
    
    // 修改坐标（比如平移）
    cloud->points[i].x += 1.0f;
}

// 使用范围for循环（C++11起）
for (auto& point : cloud->points)
{
    point.z *= 2.0f;  // 拉伸Z轴
}

4.4 字段与类型：深入理解

为什么PCL要搞这么多点类型？说白了，不同的传感器和应用场景需要不同的数据。

4.4.1 字段类型对照

PCD文件中的TYPE字段定义了每个字段的数据类型：

TYPE代码	C++类型	字节数	说明
I	int32_t	4	有符号整数
U	uint32_t	4	无符号整数
F	float	4	单精度浮点
D	double	8	双精度浮点

嗯，这里要注意：大部分点云数据用float就够了。double精度高但占用空间翻倍，除非你做高精度测绘，否则没必要。

4.4.2 自定义点类型

有时候内置类型不够用，比如你想加个时间戳或标签。PCL允许你自定义：

// 自定义点类型：带时间戳和标签
struct PointWithTimestamp
{
    PCL_ADD_POINT4D;                  // 添加x, y, z, padding
    double timestamp;                 // 时间戳
    int label;                        // 标签
    EIGEN_MAKE_ALIGNED_OPERATOR_NEW   // 内存对齐
} EIGEN_ALIGN16;

POINT_CLOUD_REGISTER_POINT_STRUCT(
    PointWithTimestamp,
    (float, x, x)
    (float, y, y)
    (float, z, z)
    (double, timestamp, timestamp)
    (int, label, label)
)

我在项目中遇到过需要同时存点云和每个点的置信度，自定义类型就派上了用场。不过要提醒你：自定义类型需要注册到PCL的序列化系统中，否则读写会出问题。

4.5 避坑指南

4.6 知识体系总览

下面这张图帮你理清本章的核心逻辑：

这张图把本章内容串起来了。从PCD文件格式出发，到内存中的数据结构，再到具体的读写操作，每一步都有对应的细节。你掌握了这个流程，点云基础操作就算入门了。

可可精品资料库