保存点云数据_PCL入门系列三——PCL进行数据读写
本节课我们将了解到以下内容：
- 基本的PCL中的数据类型；
- 使用PCL进行简单编程：写文件与读文件。
一、PCL库基本数据类型
上一节课，我们使用PCL库在本地写入了一个名为test_pcd.pcd的文件。我们划分一下程序的任务步骤：
- 构造pcd文件格式；
- 写入文件；
- 打印输出。
步骤二和步骤三的内容属于基本的C++知识。而步骤一中的pcd文件格式是我们所不熟悉的，所以要先看一看pcd原始文件。
在命令行中输入：
more test_pcd.pcd可以看到pcd文件的内部结构如下图所示。
三维点云数据最简单的形式是x y z的三维点空间坐标。稍微复杂一些可以加上intensity、RGB等属性。但是这种表达方式有什么缺点呢？
一方面直接以文本形式存储点云的三个坐标在内存上比较浪费空间，另一方面如果用户要取得点云的一些基本信息如点云个数，用户还要自己去查询。如果有一个文件头能够简洁的描述点云数据信息，那么无论是在存储效率还是数据信息提取等方面都会有一定帮助。
pcd格式可以视作“文件格式头+三维点信息”。
请看一个具体pcd文件的例子：
# .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
0.35222197 -0.15188313 -0.10639524
-0.3974061 -0.47310591 0.29260206
………………………………这个pcd文件里有着不同的字段。常用的有以下几种。
- VERSION - PCD文件的版本号（通常为0.7）；
- FIELDS - 每个点所包含的维度或字段（例如x y z）；
- SIZE - 每个数据维度所占据的字节（比如float为4字节）
- TYPE -每个数据维度的数据类型(I= signed,U= unsigned,F=float)
- COUNT - 每个数据维度上包含的元素个数。（比如，x, y, or z的count为1，但是hisogram的count包含N）
- WIDTH - 点云的宽度
- HEIGHT - 点云的高度
- VIEWPOINT - 点云的视角 translation (tx ty tz) +quaternion (qw qx qy qz)
- POINTS -点云的数量
- DATA -具体的数据存储格式(ascii or binary)
在之前的内容中我们忽略了一个小小的但是相对重要的知识点：待填充的数据怎么表示？请注意这里不能简单的使用字符串xyz的形式进行填充，如果仍旧使用字符串的格式进行填充，那么pcd文件格式在存储上的优势根本无法体现。一种简单的方法是为点云数据定义一个结构体，详细的情况后文再叙，这里先罗列一下最常用的数据类型（当然自定义数据类型也可）。
Point Types
PointXYZ- float x, y, z
PointXYZI- float x, y, z, intensity
PointXYZRGB- float x, y, z, rgb
PointXYZRGBA- float x, y, z, uint32t rgba
Normal- float normal[3], curvature
PointNormal- float x, y, z, normal[3], curvature
Histogram- float histogram[N]
………………二、利用PCL写点云文件
现在详细看一下生成点云写入文件的过程。
#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>intmain (int argc, char** argv)
{pcl::PointCloud<pcl::PointXYZ> cloud;// Fill in the cloud datacloud.width = 5;cloud.height = 1;cloud.is_dense = false;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);}pcl::io::savePCDFileASCII ("test_pcd.pcd", cloud);std::cerr << "Saved " << cloud.points.size () << " data points to test_pcd.pcd." << std::endl;for (size_t i = 0; i < cloud.points.size (); ++i)std::cerr << " " << cloud.points[i].x << " " << cloud.points[i].y << " " << cloud.points[i].z << std::endl;return (0);
}
关键的部分可以分为以下内容：生成点云、写入文件。
生成点云可以视作一个字段填充的过程，我们来看看具体干了什么事情。
初始化定义一个点云对象，此处我们创建了一个PointXYZ对象
pcl::PointCloud<pcl::PointXYZ> cloud;
设置pcd文件字段，将想要填的内容填进去。
// Fill in the cloud datacloud.width = 5;cloud.height = 1;cloud.is_dense = false;cloud.points.resize (cloud.width * cloud.height);
填充具体的值
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);}
写入文件，简单的一句话
pcl::io::savePCDFileASCII ("test_pcd.pcd", cloud);
三、读取pcd文件
读写不分家。读文件的过程同样并不复杂。
#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>int
main (int argc, char** argv)
{pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);if (pcl::io::loadPCDFile<pcl::PointXYZ> ("test_pcd.pcd", *cloud) == -1) //* load the file{PCL_ERROR ("Couldn't read file test_pcd.pcd n");return (-1);}std::cout << "Loaded "<< cloud->width * cloud->height<< " data points from test_pcd.pcd with the following fields: "<< std::endl;for (size_t i = 0; i < cloud->points.size (); ++i)std::cout << " " << cloud->points[i].x<< " " << cloud->points[i].y<< " " << cloud->points[i].z << std::endl;return (0);
}
核心工作就是两步：
定义一个句柄用来存放待读取的点云。
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
读取点云
pcl::io::loadPCDFile<pcl::PointXYZ> ("test_pcd.pcd", *cloud) == -1
对！就是这么简单。
四、xyz文件转成pcd文件
现在让我们研究一个小小的案例。有时候，我们的原始点云数据是存放在txt文件里的。也许它长成这样：
20.623 40.276 -1.999 -1031 127 141 154
20.362 40.375 -2.239 -941 130 141 159
20.36 40.376 -2.402 -1083 139 151 165
20.374 40.367 -2.405 -1122 131 147 163
20.372 40.366 -2.405 -1165 132 145 161
20.375 40.364 -2.404 -1036 133 149 165
20.358 40.371 -2.405 -1137 139 151 165
20.359 40.374 -2.404 -1086 139 151 165
…………前三个字段为xyz，第四个字段为intensity，后三个字段为rgb。如何将这样的数据转成pcd文件呢？先上代码，运行起来再说。将下列代码复制并保存到xyz2cpp文件。这个程序将xyzirgb数据转成pcd格式的xyzrgb数据。如果想从xyz的数据转成pcd数据，那么只需要剔除若干填充字段即可。
#include <pcl/io/pcd_io.h>
#include <pcl/console/print.h>
#include <pcl/console/parse.h>using namespace std;
using namespace pcl;
using namespace pcl::io;
using namespace pcl::console;void
printHelp (int, char **argv)
{print_error ("Syntax is: %s input.xyz output.pcdn", argv[0]);
}bool
loadCloud (const string &filename, PointCloud<PointXYZRGB> &cloud)
{ifstream fs;fs.open (filename.c_str (), ios::binary);if (!fs.is_open () || fs.fail ()){PCL_ERROR ("Could not open file '%s'! Error : %sn", filename.c_str (), strerror (errno)); fs.close ();return (false);}string line;vector<string> st;while (!fs.eof ()){getline (fs, line);// Ignore empty linesif (line.empty())continue;// Tokenize the lineboost::trim (line);boost::split (st, line, boost::is_any_of ("tr "), boost::token_compress_on);if (st.size () != 7)continue;pcl::PointXYZRGB point;point.x = float (atof (st[0].c_str ())); point.y = float (atof (st[1].c_str ())); point.z = float (atof (st[2].c_str ()));point.r = uint8_t (atof (st[4].c_str ()));point.g = uint8_t (atof (st[5].c_str ()));point.b = uint8_t (atof (st[6].c_str ()));cloud.push_back (point);}fs.close ();cloud.width = uint32_t (cloud.size ()); cloud.height = 1; cloud.is_dense = true;return (true);
}int
main (int argc, char** argv)
{print_info ("Convert a simple XYZ file to PCD format. For more information, use: %s -hn", argv[0]);if (argc < 3){printHelp (argc, argv);return (-1);}// Parse the command line arguments for .pcd and .ply filesvector<int> pcd_file_indices = parse_file_extension_argument (argc, argv, ".pcd");vector<int> xyz_file_indices = parse_file_extension_argument (argc, argv, ".xyz");if (pcd_file_indices.size () != 1 || xyz_file_indices.size () != 1){print_error ("Need one input XYZ file and one output PCD file.n");return (-1);}// Load the first filePointCloud<PointXYZRGB> cloud;if (!loadCloud (argv[xyz_file_indices[0]], cloud)) return (-1);// Convert to PCD and savepcl::io::savePCDFileASCII (argv[pcd_file_indices[0]], cloud);
}
创建CMakeList.txt文件
cmake_minimum_required(VERSION 2.8 FATAL_ERROR)project(xyz2pcd)find_package(PCL 1.2 REQUIRED)include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})add_executable (xyz2pcd xyz2pcd.cpp)
target_link_libraries (xyz2pcd ${PCL_LIBRARIES})创建build文件夹按照前一节课所讲的内容进行编译。
运行下列命令./xyz2pcd smalldata.xyz smalldata.pcd
其中smalldata.xyz为待转换的文件，smalldata.pcd为目标文件。如果没有数据可以将下列数据存为smalldata.xyz与xyz2pcd 放在同一级目录下。请注意这里intensity这个字段并没有用到，如果想用intensity字段，请自定义数据类型。
测试数据
20.623 40.276 -1.999 -1031 127 141 154
20.362 40.375 -2.239 -941 130 141 159
20.36 40.376 -2.402 -1083 139 151 165
20.374 40.367 -2.405 -1122 131 147 163
20.372 40.366 -2.405 -1165 132 145 161
20.375 40.364 -2.404 -1036 133 149 165
20.358 40.371 -2.405 -1137 139 151 165
20.359 40.374 -2.404 -1086 139 151 165
20.354 40.375 -2.404 -1106 139 148 163
20.356 40.374 -2.404 -1059 139 151 165
20.359 40.374 -2.399 -1059 138 150 166
20.359 40.374 -2.395 -1014 138 150 166
20.354 40.375 -2.395 -1042 138 150 166
20.356 40.374 -2.396 -1050 138 150 166
20.354 40.374 -2.393 -1031 137 149 165
20.356 40.374 -2.393 -1045 137 149 165
20.359 40.374 -2.392 -957 137 149 165
20.374 40.365 -2.402 -1093 133 149 165
20.375 40.367 -2.401 -1096 133 149 165
20.374 40.367 -2.399 -1158 133 149 165
20.371 40.367 -2.399 -1093 133 146 162
20.365 40.371 -2.405 -1283 133 145 159
20.361 40.371 -2.404 -1211 133 145 159
20.362 40.372 -2.405 -1314 133 145 159
20.36 40.373 -2.405 -1213 139 151 165
20.361 40.375 -2.404 -1116 139 151 165
20.363 40.375 -2.402 -1063 133 145 159
20.367 40.371 -2.405 -1231 133 145 159
20.365 40.375 -2.405 -1311 133 145 159
20.367 40.372 -2.404 -1173 133 145 159至此运行成功，结果如下：
或许大家会感到疑惑为什么RGB转成了一个大整数？这里为了方便存储使用了移位拼接的方法。下节课我们继续讨论可视化等更深入的内容。
参考材料：
http://www.pointclouds.org/documentation/tutorials/writing_pcd.php#writing-pcd
http://pointclouds.org/documentation/tutorials/pcd_file_format.php
保存点云数据_PCL入门系列三——PCL进行数据读写相关推荐
- 【Python零基础快速入门系列 | 03】AI数据容器底层核心之Python列表
• 这是机器未来的第7篇文章 原文首发地址:https://blog.csdn.net/RobotFutures/article/details/124957520 <Python零基础快速入门 ...
- 机器学习入门系列三（关键词：逻辑回归，正则化）
机器学习入门系列三(关键词:逻辑回归,正则化) 目录(?)[+] 一逻辑回归 逻辑回归 假设表示 决策边界 代价函数 其他优化方法 多元分类 二正则化 一.逻辑回归 1.逻辑回归 什么是逻辑回归问题, ...
- Reflex WMS入门系列三十二：导出到Excel
Reflex WMS入门系列三十二:导出到Excel 如同SAP系统的风格 --- 凡是有list的界面,都能导出到Excel ---, Reflex WMS系统也提供了类似的功能.几乎在任何的Lis ...
- 小猪的C语言快速入门系列(三)
小猪的C语言快速入门系列(三) 标签: C语言 本节引言: 在上一节中,对C语言的基本语法进行了学习,类比成学英语的话,我们现在 只是会单词而已,组成一个个句子还需要学习一些语法,本节学习的就是两对 ...
- 数据与广告系列三十二：重排ReRank，广告推荐算法链路上的背叛者，生态系统格局的重塑者...
作者·黄崇远 『数据虫巢』 全文23138字 题图ssyer.com " 在推荐系统又或者计算广告中,重排ReRank明目张胆的把召回.粗排.精排几个链路逻辑辛苦生成的序给打乱,但却敢号称是 ...
- 数据与广告系列三十一：智能调价oCPX，你以为赚的是保价，其实你丢的是流量...
作者·黄崇远 『数据虫巢』 全文12050字 题图ssyer.com 随着计算广告生态的进一步发展,有越来越往智能化方向发展迭代的趋势.关于投放层的智能化,当属"广告动态智能出价" ...
- 【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门(一)
这是机器未来的第52篇文章 原文首发地址:https://robotsfutures.blog.csdn.net/article/details/126899226 <Python数据科学快速入 ...
- 数据与业务系列三，广告流量红利盛宴的终结
作者 | 黄崇远 (题图:来自于pexels.com) 广告是一个非常有意思的东西,充满了你生活的方方面面,而其里头的逻辑又是那么的有趣.每一次广告的投放,又如同一场战役,人群的定位,效果的追踪,投入 ...
- 数据百问系列：什么是数据资产？
数据百问系列:什么是数据资产? 0x00 前言 本次讨论的主题是:什么是数据资产? 问题: 大家所处的工作环境里面,有没有和数据资产相关的项目或者使用场景? 分析: 本话题是一个发散性的话题,并没有限 ...
最新文章
- 计算机名字更改时不显示文字,教大家电脑中文件夹不显示名字怎么办
- Android面试常问到的知识点
- HDOJ 1166 敌兵布阵
- 写1行代码影响1000000000人，这是个什么项目？
- MySQL浅谈 LEFT JOIN
- Java技术回顾之JNDI--JNDI API
- C++ IO 格式控制
- FullCalendar应用——整合农历节气和节日
- php的ob缓存详解
- nxp单片机入门_使用恩智浦MCUXpresso开发FRDM-KL46Z入门
- 如何对比评价TOM邮箱、QQ邮箱，Gmail邮箱以及139邮箱？
- 美国大学生数学建模-足球传递网络图
- 开源配置管理系统的选择和搭建
- SQL server中如何设置外键
- CAD中如何加粗选中的字体
- CS61B学习笔记——proj2 gitlet的实现
- hihocoder 修补木桶
- implement和extend的区别 在java中
- Python读取excel表格数据并绘制成柱状图 | 数据排序、柱状图颜色、标签乱码等问题通通能够解决！
- sql语句之字符串截取（substring_index）