云点数据读写

一、常见点云数据格式

1. LAS/LAZ格式

   • LAS是点云数据的行业标准格式

   • LAZ是LAS的压缩版本

   • 支持地理参考信息、颜色、强度等属性

2. PCD格式(Point Cloud Data)

   • PCL(Point Cloud Library)开发的格式

   • 支持ASCII和二进制存储

   • 包含头部信息和数据部分

3. PLY格式(Polygon File Format)

   • 最初为存储3D扫描仪数据设计

   • 支持点云和网格数据

   • 可包含颜色、法线等属性

4. OBJ格式

   • 简单文本格式

   • 主要用于3D模型但也可存储点云

二、读写工具和库

1. PDAL(Point Data Abstraction Library)

   • 开源点云数据处理库

   • 支持多种格式转换和处理

2. PCL(Point Cloud Library)

   • 强大的点云处理库

   • 提供多种点云格式的读写接口

3. LASlib/LASzip

   • 专门用于LAS/LAZ格式的读写

4. CloudCompare

   • 开源点云处理软件

   • 支持多种格式的导入导出

三、PCL读写点云数据

PCL(Point Cloud Library)是处理点云数据的强大开源库，提供了多种点云数据格式的读写功能。以下是使用PCL进行点云数据读写的主要方法。

1. 基本点云数据结构

pcl::PointCloud 类

主要属性：

• width - 点云的宽度（对于无组织点云表示点数，对于有组织点云表示每行点数）

• height - 点云的高度（对于无组织点云通常为1，对于有组织点云表示行数）

• points - 存储所有点的向量

• is_dense - 布尔值，表示点云是否包含无限/NaN值

• sensor_origin_ - 传感器原点坐标(Eigen::Vector4f)

• sensor_orientation_ - 传感器方向(Eigen::Quaternionf)

2. 常用点类型

点类型	描述	包含数据
pcl::PointXYZ	基本XYZ点	float x, y, z
pcl::PointXYZI	带强度的XYZ点	float x, y, z, intensity
pcl::PointXYZRGB	带RGB颜色的XYZ点	float x, y, z; uint32_t rgb
pcl::PointXYZRGBA	带RGBA颜色的XYZ点	float x, y, z; uint32_t rgba
pcl::PointNormal	带法线的XYZ点	float x, y, z, normal_x, normal_y, normal_z, curvature

3. 读写点云数据方法

读取点云文件

cpp

#include <pcl/io/pcd_io.h>

// 读取PCD文件
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
if (pcl::io::loadPCDFile<pcl::PointXYZ>("input.pcd", *cloud) == -1) {
    PCL_ERROR("Couldn't read file input.pcd\n");
    return -1;
}

// 读取PLY文件
#include <pcl/io/ply_io.h>
pcl::PLYReader reader;
reader.read("input.ply", *cloud);

写入点云文件

cpp

// 写入PCD文件（二进制格式）
pcl::io::savePCDFileBinary("output.pcd", *cloud);

// 写入PCD文件（ASCII格式）
pcl::io::savePCDFileASCII("output_ascii.pcd", *cloud);

// 写入PLY文件
pcl::PLYWriter writer;
writer.write("output.ply", *cloud, false); // false表示不保存二进制格式

4. 常用方法参数表

方法	参数	返回值	描述
loadPCDFile	(const std::string &file_name, PointCloud &cloud)	int	加载PCD文件
savePCDFile	(const std::string &file_name, const PointCloud &cloud, bool binary_mode=false)	int	保存PCD文件
loadPLYFile	(const std::string &file_name, PointCloud &cloud)	int	加载PLY文件
savePLYFile	(const std::string &file_name, const PointCloud &cloud, bool binary_mode=false)	int	保存PLY文件
fromROSMsg	(const sensor_msgs::PointCloud2 &msg, PointCloud &cloud)	void	从ROS消息转换
toROSMsg	(const PointCloud &cloud, sensor_msgs::PointCloud2 &msg)	void	转换为ROS消息

其他格式支持

1. PLY格式读写

cpp

#include <pcl/io/ply_io.h>

// 读取PLY文件
pcl::PLYReader reader;
reader.read("input.ply", *cloud);

// 写入PLY文件
pcl::PLYWriter writer;
writer.write("output.ply", *cloud);

2. OBJ格式读写

cpp

#include <pcl/io/obj_io.h>

// 读取OBJ文件
pcl::OBJReader reader;
reader.read("input.obj", *cloud);

// 写入OBJ文件
pcl::OBJWriter writer;
writer.write("output.obj", *cloud);

二进制与ASCII格式

PCD文件可以保存为二进制或ASCII格式：

cpp

// 保存为二进制格式(更小更快)
pcl::io::savePCDFileBinary("output_binary.pcd", *cloud);

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

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

5. 点云基本操作

添加点

cpp

pcl::PointXYZ point;
point.x = 1.0; point.y = 2.0; point.z = 3.0;
cloud->points.push_back(point);

访问点

cpp

// 随机访问
float x = cloud->points[10].x;

// 遍历所有点
for (const auto& point : *cloud) {
    std::cout << "x: " << point.x 
              << " y: " << point.y 
              << " z: " << point.z << std::endl;
}

点云属性

cpp

std::cout << "点云大小: " << cloud->size() << std::endl;
std::cout << "宽度: " << cloud->width << std::endl;
std::cout << "高度: " << cloud->height << std::endl;
std::cout << "是否为有组织点云: " << cloud->isOrganized() << std::endl;

6. 常用信号（ROS相关）

在PCL与ROS结合使用时，常用的信号包括：

信号	参数	描述
pcl::visualization::PointPickingEvent	const pcl::visualization::PointPickingEvent &event	当用户选择点时触发
pcl::visualization::KeyboardEvent	const pcl::visualization::KeyboardEvent &event	键盘事件
pcl::visualization::MouseEvent	const pcl::visualization::MouseEvent &event	鼠标事件

7. 示例代码：完整读写流程

cpp

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

int main() {
    // 创建一个点云对象
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    
    // 填充点云数据
    cloud->width = 5;
    cloud->height = 1;
    cloud->is_dense = false;
    cloud->points.resize(cloud->width * cloud->height);
    
    for (auto& point : *cloud) {
        point.x = 1024 * rand() / (RAND_MAX + 1.0f);
        point.y = 1024 * rand() / (RAND_MAX + 1.0f);
        point.z = 1024 * rand() / (RAND_MAX + 1.0f);
    }
    
    // 保存到文件
    pcl::io::savePCDFileASCII("test_pcd.pcd", *cloud);
    std::cout << "保存了 " << cloud->size() << " 个点到 test_pcd.pcd" << std::endl;
    
    // 从文件读取
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_from_file(new pcl::PointCloud<pcl::PointXYZ>);
    pcl::io::loadPCDFile<pcl::PointXYZ>("test_pcd.pcd", *cloud_from_file);
    
    // 显示读取的点云
    for (const auto& point : *cloud_from_file)
        std::cout << "    " << point.x << " " << point.y << " " << point.z << std::endl;
    
    return 0;
}

8. 注意事项

1. 内存管理 ：使用智能指针（如boost::shared_ptr或pcl::PointCloud::Ptr）管理点云对象

2. 文件格式：PCD文件有ASCII和二进制格式，二进制格式更节省空间

3. 点云类型：读写时要确保点云类型匹配

4. ROS集成 ：PCL与ROS紧密集成，可以方便地与sensor_msgs::PointCloud2相互转换