-
PCL
（點雲庫）
鎖定
PCL（Point Cloud Library）是在吸收了前人點雲相關研究基礎上建立起來的大型跨平台開源C++編程庫，它實現了大量點雲相關的通用算法和高效數據結構，涉及到點雲獲取、濾波、分割、配準、檢索、特徵提取、識別、追蹤、曲面重建、可視化等。支持多種操作系統平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式實時系統上運行。如果説OpenCV是2D信息獲取與處理的結晶，那麼PCL就在3D信息獲取與處理上具有同等地位，PCL是BSD授權方式，可以免費進行商業和學術應用。
PCL起初是ROS（Robot Operating System）下由來自於慕尼黑工業大學（TUM - Technische Universität München）和斯坦福大學（Stanford University）Radu博士等人維護和開發的開源項目，主要應用於機器人研究應用領域，隨着各個算法模塊的積累，於2011年獨立出來，正式與全球3D信息獲取、處理的同行一起，組建了強大的開發維護團隊，以多所知名大學、研究所和相關硬件、軟件公司為主。發展非常迅速，不斷有新的研究機構等加入，在Willow Garage, NVidia, Google (GSOC 2011), Toyota, Trimble, Urban Robotics, Honda Research Institute等多個全球知名公司的資金支持下，不斷提出新的開發計劃，代碼更新非常活躍，在不到一年的時間內從1.0版本已經發布到1.7.0版本。
- 中文名
- PCL
- 外文名
- Point Cloud Library
- 所屬學科
- 機器視覺
結構和內容
如《PCL架構圖》所示，對於3D點雲處理來説，PCL完全是一個的模塊化的現代C++模板庫。其基於以下第三方庫：Boost、Eigen、FLANN、VTK、CUDA、OpenNI、Qhull，實現點雲相關的獲取、濾波、分割、配準、檢索、特徵提取、識別、追蹤、曲面重建、可視化等。
PCL利用OpenMP、GPU、CUDA等先進高性能計算技術，通過並行化提高程序實時性。K近鄰搜索操作的構架是基於FLANN (Fast Library for Approximate Nearest Neighbors)所實現的，速度也是技術中最快的。PCL中的所有模塊和算法都是通過Boost共享指針來傳送數據的，因而避免了多次複製系統中已存在的數據的需要，從0.6版本開始，PCL就已經被移入到Windows，MacOS和Linux系統，並且在Android系統也已經開始投入使用，這使得PCL的應用容易移植與多方發佈。
PCL架構圖
從算法的角度，PCL是指納入了多種操作點雲數據的三維處理算法，其中包括：過濾，特徵估計，表面重建，模型擬合和分割，定位搜索等。每一套算法都是通過基類進行劃分的，試圖把貫穿整個流水線處理技術的所有常見功能整合在一起，從而保持了整個算法實現過程中的緊湊和結構清晰，提高代碼的重用性、簡潔可讀。在PCL中一個處理管道的基本接口程序是：
創建處理對象：（例如過濾、特徵估計、分割等）;
使用setInputCloud通過輸入點雲數據，處理模塊;
設置算法相關參數;
調用計算（或過濾、分割等）得到輸出。
libpcl filters：如採樣、去除離羣點、特徵提取、擬合估計等數據實現過濾器；
libpcl features：實現多種三維特徵，如曲面法線、曲率、邊界點估計、矩不變量、主曲率，PFH和FPFH特徵，旋轉圖像、積分圖像，NARF描述子，RIFT，相對標準偏差，數據強度的篩選等等；
libpcl I/O：實現數據的輸入和輸出操作，例如點雲數據文件（PCD）的讀寫；
libpcl register：實現點雲配準方法，如ICP等；
libpclkeypoints：實現不同的關鍵點的提取方法，這可以用來作為預處理步驟，決定在哪兒提取特徵描述符；
libpcl range ：實現支持不同點雲數據集生成的範圍圖像。
