pcl::copyPointCloud(*cloud, indicesY,*cloud_yboundary);
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
if(pcl::io::loadPCDFile<pcl::PointXYZ>("source_slice_4000_change.pcd",*cloud)==-1){
PCL_ERROR("Could not read file\n");
}
pcl::io::savePCDFileBinary("dragonfps.pcd",*filtered);
一、点云滤波
1、常用滤波器
- PCL 直通滤波器
- PCL 体素滤波器
- PCL 改进体素滤波
- PCL 最小点数约束的 VoxelGrid 体素滤波
- PCL 计算体素特征的体素滤波
- PCL 统计滤波器
- PCL 半径滤波器
- PCL 条件滤波器
- PCL 条件滤波器——基于曲率的下采样
- PCL 模型滤波器
- PCL 投影滤波器
- PCL 点云投影到拟合平面
- PCL 点云投影到球面
- PCL 点云投影到圆柱
- PCL 点云投影到拟合直线
- PCL 索引提取器
- PCL 从一个点集中提取一个子集
- PCL 高斯滤波
- PCL 点云添加高斯噪声并保存
- PCL 点云添加均匀分布的随机噪声
- PCL 基于强度的双边滤波
- PCL 基于法线的双边滤波
- PCL 快速双边滤波
- PCL（多线程）快速双边滤波
- PCL 有序点云的中值滤波
- PCL 阴影点移除
2、采样滤波
- PCL 均匀采样
- PCL 快速均匀采样
- PCL 随机采样
- PCL 法线空间采样
- PCL 索引空间采样
- PCL MLS 上采样
- PCL 最远点采样
- PCL 改进降采样算法
- PCL 获取指定高程的所有点
- PCL LocalMaximum 局部最大值滤波
- PCL GridMinimum 获取栅格最低点
3、裁剪滤波
- PCL CropHull 任意多边形内部点云提取
- PCL CropBox 过滤/提取给定立方体内的点云数据
- PCL 平面裁剪器 (PlaneClipper3D) 的使用
二、KD 树与八叉树
1、KD 树
- PCL KD 树的使用
- PCL 点云圆柱形邻域搜索
- PCL addLine 可视化 K 近邻
- PCL 点云平均密度计算（版本一）
- PCL 计算点云平均密度（版本二）
- PCL 删除点云中重叠的点 (方法一)
- PCL 删除点云中重叠的点 (方法二)
- PCL 快速删除点云中重叠的点 (方法三)
2、八叉树
- PCL 八叉树的使用
- PCL 八叉树的应用——点云压缩
- PCL 八叉树的应用——空间变化检测
- PCL 计算八叉树每个体素的边界最值点
- PCL 求八叉树的体素中心
- PCL 计算八叉树每个体素的中心点 (2)
- PCL 基于八叉树的体素滤波
三、点云配准
粗配准
- PCL 4PCS 算法实现点云配准
- PCL K4PCS 算法实现点云配准
- PCL 改进的 RANSAC 算法实现点云粗配准
- PCL SAC-IA 初始配准算法
- PCL 刚性目标的鲁棒姿态估计
- PCL 将对象模板与点云对齐
精配准
1、点到点的 ICP 算法
- PCL ICP 算法实现点云精配准
- PCL KD-ICP 实现点云精配准
- PCL 交互式迭代最近点精配准
- PCL 多幅点云配准
2、点到面的 ICP 算法
- PCL 点到面的 ICP 算法
- PCL 线性最小二乘法优化的点到面 ICP 精配准算法
- PCL 列文伯格 - 马夸尔特非线性最小二乘优化点到面的 ICP 算法
- PCL 目标函数对称的 ICP 算法
3、改进的 ICP 算法
- PCL Trimmed ICP 实现点云精配准
- PCL 使用 GICP 对点云配准
- PCL 非线性加权最小二乘优化的点到面 ICP 算法
- PCL LM-ICP 算法实现点云精配准
4、基于概率模型的算法
- PCL 3D-NDT 算法实现点云配准
对应关系
- PCL: CorrespondenceEstimationNormalShooting 的使用
- PCL 查找对应点关系并可视化
- PCL 提取两片点云的重叠部分并保存
- PCL 提取两片点云的非重叠部分
- PCL 计算两点云之间的最小距离
- PCL 计算两片点云重叠区域的均值标准差
- PCL 获取配准后两点云之间的差异
- PCL 实现 K 近邻查找匹配点对
- PCL RANSAC 剔除错误匹配点对
- PCL 法向量夹角剔除错误匹配点对
- PCL 基于距离的错误对应关系去除
- PCL 基于中值距离的对应关系去除
- PCL 根据特征描述子获取对应关系
- PCL FPFH 查找对应点对 SVD 进行配准
配准精度
- PCL 中 getFitnessScore() 的计算
- 点云配准精度评价指标——均方根误差
- 点云配准—计算旋转平移误差
坐标转换
- PCL 欧式变换，实现点云坐标变换
- PCL 仿射变换，实现点云平移旋转
- PCL SVD 分解求变换矩阵
- SVD 分解求变换矩阵（C++详细过程版）
- PCL 点云变换
- PCL Umeyama 算法求两个点云的变换矩阵
刚体运动变换
- Eigen 空间变换模块使用
- Eigen(几何模块)——常用相互转换
- Eigen——四元数的应用
四、点云拟合分割
1、RANSAC
- PCL RANSAC 拟合直线
- PCL RANSAC 拟合分割多条直线
- PCL RANSAC 分割提取多个圆柱
- PCL 计算三维空间中点到直线的距离
- PCL 角度约束的 RANSAC 拟合直线
- PCL 使用 RANSAC 拟合平面
- PCL 夹角约束的 RANSAC 拟合平面
- PCL RANSAC 拟合二维圆
- PCL RANSAC 拟合空间圆
- PCL RANSAC 分割提取多个空间圆
- PCL RANSAC 拟合球体
- PCL RANSAC 分割提取多个球体
- PCL RANSAC 拟合分割圆柱体模型
- PCL 中实现平面模型分割
- PCL 分割多个平面
- PCL 分割指定阈值内的平面
- PCL 最小二乘拟合平面
- PCL 计算点到平面的距离
- PCL RANSAC 拟合圆锥
2、其他几何分割
- PCL 欧式聚类分割
- PCL 区域生长分割
- PCL 基于颜色的区域生长分割
- PCL 最小图割分割
- PCL 法线微分分割
- PCL 基于超体素的点云分割
- PCL 渐进式形态学滤波
- PCL 使用 LCCP 算法进行点云分割
- PCL 使用 CPC 算法进行点云分割
五、三维重建
- PCL PolygonMesh 数据结构
- PCL 贪婪投影三角剖分算法
- PCL 泊松曲面重建法
- PCL 泊松曲面重建法（多线程加速版）
- PCL 网格投影曲面重建算法
- PCL 移动立方体三维重建——Hoppe 算法
- PCL 移动立方体三维重建——RBF 算法
- PCL 耳切三角剖分算法
- PCL 平面点云 B 样条曲线拟合
- PCL 基于 B 样条曲线的曲面重建
- PCL 重建点云凸包并可视化
- PCL Alpha‑shape 表面重建算法
- PCL 平面点云的凸多边形边界提取
- PCL 平面点云的凹多边形边界提取
- PCL 点云体素化
六、特征点与特征描述
1、点云的属性
- PCL 特征 (pcl::Feature) 模块使用方法
- PCL 主成分分析 (PCA) 在三维点云中的应用
- PCL 计算点云的主曲率
- PCL 计算点云的高斯曲率和平均曲率
- PCL 输出点云的主曲率信息到 txt 文件并保存
- 利用相邻点的法向量估计一个点的主曲率
- PCL 使用积分图进行法线估计
- PCL 计算点云法向量并显示
- PCL 计算点云中任意一个点的法向量
- PCL 法向量精细化处理
- PCL MLS 计算法线并显示
- PCL 计算点云包围盒
- PCL 计算点云 AABB 包围盒的体积
- PCL PCA 构建点云包围盒
- PCL 点云边界提取
- PCL Alpha Shapes 平面点云边界特征提取
- PCL 平面点云边界点按顺/逆时针排序 (方法一)
- PCL 根据时间索引提取扫描线
2、关键点提取
- PCL ISS 关键点提取
- PCL Harris3D 关键点提取
- PCL 点云 SUSAN 关键点提取
- PCL 3D-SIFT 关键点检测 (Z 方向梯度约束)
- PCL 3D-SIFT 关键点检测 (曲率不变特征约束)
- PCL 3D-SIFT 关键点检测 (RGB 颜色特征约束)
- PCL NARF 关键点提取
3、特征描述子
- PCL 计算 PFH 并可视化
- PCL 计算 FPFH 并可视化
- PCL 估计一点云的 VFH 特征
- PCL Spin Image 旋转图像
- PCL SHOT352 描述子
- PCL 计算 3DSC 并可视化
- PCL 计算点云的 ESF 多维形状描述符
- PCL 计算点云的矩不变量
七、基础函数
1、common 模块
- PCL 读取、保存点云
- PCL 查看点云数据中包含的属性信息
- PCL 角度制与弧度制的相互转换
- PCL common 模块应用实例
- PCL 之 common 模块详解
- PCL 数据结构的类型
- PCL 计算点云的质心
- PCL 点云去质心
- PCL 计算点云的协方差矩阵
- PCL 计算点云的归一化协方差矩阵和三维质心
- PCL 计算异面直线的距离
- PCL 计算点云法向量的夹角
- PCL 计算外接圆的半径
- PCL 点云二维格网化
- PCL 获取指定高程的所有点
- PCL 获取指定区域的点
- PCL 计算多边形的面积
- PCL 使用 getRandomColor 对点云进行随机赋色
- PCL 有序点云常用基础操作
2、其他
- PCL 常用小知识
- PCL 距离计算
- PCL 计算两三维向量的曼哈顿距离
- PCL 点云格式转换
- PCL 计算点云的最值
- PCL 计算点云中值
- PCL 计算最值点的坐标
- PCL 计算点云坐标最值及其索引
- PCL 点云按坐标值大小进行排序
- PCL 计算点云的最大距离
- PCL 随机选取一点并计算距离它最远的点
- PCL 点云合并 (两个点云中的数据或字段连接)
- PCL 计算点云的均值与标准差
- PCL 代码运行时间计算方法汇总
- PCL——modelnet40_normal 数据集.txt 文件转.pcd 并可视化
- PCL——KITTI 数据集.bin 文件转.pcd 并可视化
- PCL 生成常见三维立体点云
- PCL 生成空间圆点云
- PCL 生成圆形平面点云
- PCL 生成空间直线点云
- PCL 生成空间椭圆点云
- PCL 生成球形点云
- PCL 迭代器的使用
- PCL 计算点云的形心
- PCL 批量读取点云并添加随机旋转平移误差
八、点云可视化
1、Plotter 模块
- PCL Plotter 不同类型的绘图方式
2、Viewer 模块
- PCL 可视化体素格网
- PCL 可视化 FPFH 之间的差异
- PCL 点云按高程渲染颜色
- PCL 点云按强度渲染颜色
- PCL 点云按时间进行渲染赋色
- PCL 点云按分类标签进行渲染
- PCL 点云按曲率大小渲染颜色
- PCL 点云随机赋色
- PCL 点云可视化汇总
- PCL 大窗口可视化两个点云
- PCL 多视口可视化点云
- PCL 部分点云视点问题
- PCL 可视化窗口添加文字标签
- PCL 二维动态图制作
- PCL 读取 txt 格式点云并可视化
- PCL 常见图形可视化汇总
- PCL 读取并显示 ply 格式网格模型
- PCL 读取并显示 obj 格式网格模型
- PCL 读取 STL 文件并转存为 PCD
- PCL 中添加坐标系（CoordinateSystem）
- PCL 点云按密度进行渲染
- PCL 使用 Glasbey 颜色表对点云进行随机赋色
九、PCL 之 VTK
- PCL 之 vtk 计算点云模型的法向量
- PCL 之 vtk 计算点云模型的曲率
- PCL 之 vtk 实现 ICP 配准
- PCL 之 vtk 读取 3d max 模型并可视化
- PCL 之 vtk 计算点云模型的面积和体积
- PCL 之 vtk 常见错误解决办法
- PCL——VTK 读取、保存.ply 模型数据
十、点云与图像
- PCL 点云转深度图像并可视化保存
- PCL 点云二维格网化
- PCL 点云转强度图像
十一、交互式操作
- PCL 自定义鼠标键盘交互使用方法
- PCL 屏幕上选点并显示三维坐标
- PCL 框选点云并保存
- PCL 计算点云图中任意两点的欧式距离
十二、PCL 处理 las 点云
- Win10 系统下 VisualStudio2019 配置 LasLib 库
- WIN10 系统下 VisualStudio2019 配置 PDAL 库
- PCL 从 LAS 文件中获取点云的坐标
- PCL 从 LAS 文件中获取点云的强度
- PCL 从 LAS 文件中获取点云的颜色
- PCL 新增自定义点类型
- PCL 从 LAS 文件中获取点云的 GPS 时间
- PCL 从 LAS 文件中获取点云的分类标签
- PCL 从 LAS 文件中获取点云的全部属性
- PCL 获取带有强度信息的 pcd 点云
- PCL 根据时间索引提取扫描线
