PCL 第四讲-PCL-点云可视化

文章目录

简介和函数说明
[PCL 点云可视化核心原理](#PCL 点云可视化核心原理)
- 核心渲染流程
PCL可视化核心知识点
[PCL 可视化完整代码示例](#PCL 可视化完整代码示例)
- [基础点云可视化（CloudViewer 快速预览）](#基础点云可视化（CloudViewer 快速预览）)
- [高级可视化（PCLVisualizer 多窗口、标注、法向量、交互）](#高级可视化（PCLVisualizer 多窗口、标注、法向量、交互）)

简介和函数说明

PCL（Point Cloud Library）的可视化模块主要提供两个核心类：CloudViewer （简单快速）和 PCLVisualizer （功能强大）。此外，还提供了直方图可视化、深度图像可视化以及一个命令行工具 pcl_viewer。

下表整理了所有主要可视化函数和方法的详细说明：

类/模块	函数/方法	描述	关键参数/特性
CloudViewer	`CloudViewer (string window_name)`	构造函数，创建一个简单的可视化窗口。	`window_name`：窗口名称
	`showCloud (cloud)`	在窗口中显示点云。该函数是同步的，执行后会等待渲染完成。	`cloud`：要显示的点云指针
	`runOnVisualizationThread (callback)`	注册一个回调函数，该函数在每帧渲染时都会被调用，用于执行自定义绘制或更新。	`callback`：回调函数，接受`PCLVisualizer`引用
	`runOnVisualizationThreadOnce (callback)`	注册一个回调函数，该函数在可视化线程中仅被执行一次，常用于初始化设置。	`callback`：一次性回调函数
	`wasStopped ()`	检查窗口是否已经被用户关闭。	返回 `bool` 值
PCLVisualizer	`PCLVisualizer::Ptr (string window_name)`	构造函数，创建一个功能完备的可视化对象（通常使用智能指针）。	`window_name`：窗口名称
	`addPointCloud (cloud, ...)`	将点云添加到视窗中。可以配合颜色处理器（`PointCloudColorHandler`）实现不同着色。	`cloud`, `color_handler`, `id`
	`setBackgroundColor (r, g, b)`	设置视窗的背景颜色。	`r, g, b`：0-1或0-255的颜色值
	`addCoordinateSystem (scale)`	在视窗中添加一个表示坐标轴的3D坐标系。	`scale`：坐标轴的大小
	`initCameraParameters ()`	初始化相机参数，以便更好地适应场景。
	`addSphere (center, radius, ...)`	在指定位置添加一个球体。	`center`, `radius`, `id`
	`addLine (point1, point2, ...)`	在两点之间添加一条线段。	`point1`, `point2`, `id`
	`addPlane (coefficients, id)`	根据模型系数添加一个平面。	`coefficients`, `id`
	`addCone (coefficients, id)`	根据模型系数添加一个圆锥体。	`coefficients`, `id`
	`addPointCloudNormals (cloud, normals, ...)`	同时显示点云及其法线。	`cloud`, `normals`, `level`, `scale`
	`setPointCloudRenderingProperties (...)`	设置点云的渲染属性，如点的大小、透明度等。	`property`, `value`, `id`
	`createViewPort (xmin, ymin, xmax, ymax, viewport_id)`	在窗口中创建多个独立的视口，用于显示不同数据。	归一化坐标 `[0,1]`, `viewport_id`
	`spin ()` / `spinOnce ()`	`spin()`进入事件循环直到窗口关闭；`spinOnce()`处理一次事件后返回。
PCLHistogramVisualizer	`addHistogramData (data, bins, ...)`	添加并显示一维数据的直方图。	`data`, `bins`
	`view ()`	显示直方图窗口。
RangeImageVisualizer	`showRangeImage (range_image)`	显示深度图像（Range Image）。	`range_image`：输入的深度图像
命令行工具	`pcl_viewer <file_name.pcd> [options]`	一个独立的命令行程序，用于快速查看PCD文件。	`-bc r,g,b`背景色, `-ps X`点大小等

说明：CloudViewer 是 PCLVisualizer 的一个轻量级封装，使用更简单但不能用于多线程。如果你的需求超过简单的显示（如绘制法线、形状或多视口），推荐直接使用功能更强大的 PCLVisualizer。所有高级渲染功能都依赖于VTK（Visualization Toolkit）库。

PCL 点云可视化核心原理

PCL 可视化的核心是基于 VTK（Visualization Toolkit）图形库实现的三维渲染与交互，本质是将点云的三维坐标、颜色、法向量等数据，通过 VTK 的渲染管线转化为屏幕上的可视化图像，同时支持鼠标 / 键盘交互操作。

核心渲染流程

数据封装

将 PCL 点云（PointCloud）转换为 VTK 可识别的多边形数据（vtkPolyData），包含点坐标、颜色、法向量等属性。

渲染管道

VTK 通过 "数据源→映射器（Mapper）→演员（Actor）→渲染器（Renderer）→渲染窗口（RenderWindow）→交互器（Interactor）" 的管线，完成数据到图像的转化。

映射器（Mapper）：负责将点云数据转换为图形基元（点、线、面）。
演员（Actor）：承载图形基元，控制显示属性（颜色、大小、透明度）。
渲染器（Renderer）：管理场景中的所有演员，设置背景、视角。
渲染窗口（RenderWindow）：承载渲染器，作为显示载体。
交互器（Interactor）：处理鼠标、键盘事件，实现旋转、平移、缩放等交互。

交互渲染

启动交互循环，实时响应用户操作，动态更新渲染画面

PCL可视化核心知识点

核心可视化类

PCL 对 VTK 进行了封装，提供了更简洁的可视化接口，核心类如下：

pcl::visualization::PCLVisualizer
最通用的可视化类，支持单 / 多窗口、点云 / 形状 / 文本渲染、自定义交互
pcl::visualization::CloudViewer
简化版可视化类，仅支持单窗口点云显示，接口极简
pcl::visualization::RangeImageVisualizer
专门用于深度图 /range image 可视化

点云显示配置知识点

点云显示属性

点大小通过setPointCloudRenderingProperties设置，控制点的渲染尺寸（值越大点越粗）。
点颜色：支持单色渲染、按坐标 / 强度 / 标签着色、RGB 彩色点云直接显示。
设置点云的透明程度，用于多层点云叠加显示。
渲染模式：支持点渲染（默认）、线框渲染、面渲染（适用于有序点云 / 网格）。

窗体与视图配置

单窗口 / 多窗口：createViewPort创建子视图，实现多窗口并排显示（对比不同点云）。
背景色：setBackgroundColor设置窗口背景（默认黑色，可改为白色 / 灰色）
窗口标题 / 大小：初始化时设置窗口名称，setSize控制窗口像素尺寸。
相机视角：setCameraPosition设置初始观察视角，resetCamera重置视角。

文字标注

文本标注：addText添加静态文本，addText3D添加 3D 空间文本（随视角移动）。
几何形状：addSphere/addCube/addLine/addArrow添加球体、立方体、线段、箭头，用于标注关键点、法向量、边界框。
坐标系统：addCoordinateSystem添加世界坐标系（红 X、绿 Y、蓝 Z），辅助空间定位。

交互操作知识点

默认交互快捷键

旋转视图鼠标左键拖动
平移视图鼠标右键拖动
缩放视图鼠标滚轮滚动
重置视角按R键
显示 / 隐藏坐标轴按C键
截图保存按P键
退出可视化按Q键

自定义交互事件

通过registerKeyboardCallback/registerPointPickingCallback注册回调函数，实现自定义键盘事件、点拾取事件（如点击点云输出坐标、选中点高亮）

特殊点云可视化

彩色点云：直接加载PointXYZRGB类型点云，无需额外配置即可显示 RGB 颜色。
法向量可视化：addPointCloudNormals渲染点云法向量（箭头表示方向，可设置箭头长度 / 密度）。
关键点可视化：通过setPointCloudRenderingProperties将关键点设为不同颜色 / 大小，突出显示。
网格 / 曲面可视化：支持PolygonMesh类型数据，渲染点云重构后的曲面。

可视化优化知识点

多线程渲染：CloudViewer默认多线程，PCLVisualizer需手动处理（避免主线程阻塞）。
点云更新：updatePointCloud动态更新点云数据（无需重新创建可视化对象，适用于实时点云）。
性能优化：大规模点云可先降采样（VoxelGrid）再可视化，减少渲染压力；关闭不必要的标注 / 形状，提升帧率。

PCL 可视化完整代码示例

基础点云可视化（CloudViewer 快速预览）

cpp 复制代码

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

// 点云类型定义（XYZ+RGB彩色点云）
using PointT = pcl::PointXYZRGB;

int main() {
    // 1. 加载点云（也可模拟生成随机点云）
    pcl::PointCloud<PointT>::Ptr cloud(new pcl::PointCloud<PointT>);
    // 方式1：加载本地PCD文件
    if (pcl::io::loadPCDFile<PointT>("cloud.pcd", *cloud) == -1) {
        // 若加载失败，模拟生成1000个彩色随机点
        cloud->width = 1000;
        cloud->height = 1;
        cloud->points.resize(cloud->width * cloud->height);
        for (auto& point : cloud->points) {
            point.x = rand() % 100;
            point.y = rand() % 100;
            point.z = rand() % 100;
            point.r = rand() % 256;  // 随机红色通道
            point.g = rand() % 256;  // 随机绿色通道
            point.b = rand() % 256;  // 随机蓝色通道
        }
        std::cout << "未找到cloud.pcd，已生成随机彩色点云" << std::endl;
    }

    // 2. 创建CloudViewer可视化对象
    pcl::visualization::CloudViewer viewer("基础点云可视化");

    // 3. 显示点云
    viewer.showCloud(cloud);

    // 4. 等待窗口关闭（阻塞主线程）
    while (!viewer.wasStopped()) {
        // 可在此处添加实时更新逻辑
    }

    return 0;
}

高级可视化（PCLVisualizer 多窗口、标注、法向量、交互）

cpp 复制代码

#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/features/normal_3d.h>
#include <pcl/filters/voxel_grid.h>
#include <iostream>
#include <thread>

using PointT = pcl::PointXYZRGB;
using NormalT = pcl::Normal;

// 自定义键盘交互回调函数


void keyboardEventOccurred(const pcl::visualization::KeyboardEvent& event, void* nothing) {
    if (event.getKeySym() == "h" && event.keyDown()) {
        std::cout << "===== 帮助信息 =====" << std::endl;
        std::cout << "鼠标左键：旋转视图" << std::endl;
        std::cout << "鼠标右键：平移视图" << std::endl;
        std::cout << "滚轮：缩放视图" << std::endl;
        std::cout << "R键：重置视角" << std::endl;
        std::cout << "P键：截图保存" << std::endl;
        std::cout << "Q键：退出可视化" << std::endl;
        std::cout << "H键：显示帮助" << std::endl;
    }
}

// 自定义点拾取回调函数
void pointPickingEventOccurred(const pcl::visualization::PointPickingEvent& event, void* viewer_void) {
    if (event.getPointIndex() == -1) return;
    float x, y, z;
    event.getPoint(x, y, z);
    std::cout << "选中点坐标：(" << x << ", " << y << ", " << z << ")" << std::endl;
}

int main() {
    // 1. 加载并预处理点云（降采样+法向量估计）
    pcl::PointCloud<PointT>::Ptr cloud(new pcl::PointCloud<PointT>);
    pcl::PointCloud<PointT>::Ptr cloud_filtered(new pcl::PointCloud<PointT>);
    pcl::PointCloud<NormalT>::Ptr cloud_normals(new pcl::PointCloud<NormalT>);

    // 加载点云（失败则生成随机点）
    if (pcl::io::loadPCDFile<PointT>("cloud.pcd", *cloud) == -1) {
        cloud->width = 2000;
        cloud->height = 1;
        cloud->points.resize(cloud->width * cloud->height);
        for (auto& point : cloud->points) {
            point.x = rand() % 100;
            point.y = rand() % 100;
            point.z = rand() % 100;
            point.r = rand() % 256;
            point.g = rand() % 256;
            point.b = rand() % 256;
        }
    }

    // 降采样（优化可视化性能）
    pcl::VoxelGrid<PointT> vg;
    vg.setInputCloud(cloud);
    vg.setLeafSize(1.0f, 1.0f, 1.0f);  // 体素大小1m
    vg.filter(*cloud_filtered);
    std::cout << "原始点云数量：" << cloud->size() << "，降采样后：" << cloud_filtered->size() << std::endl;

    // 估计法向量（用于法向量可视化）
    pcl::NormalEstimation<PointT, NormalT> ne;
    ne.setInputCloud(cloud_filtered);
    pcl::search::KdTree<PointT>::Ptr tree(new pcl::search::KdTree<PointT>);
    ne.setSearchMethod(tree);
    ne.setRadiusSearch(3.0f);  // 邻域半径3m
    ne.compute(*cloud_normals);

    // 2. 创建PCLVisualizer对象
    pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("高级点云可视化"));
    viewer->setBackgroundColor(0.0, 0.0, 0.0);  // 黑色背景
    viewer->setWindowName("PCL高级可视化示例");
    viewer->setSize(1200, 600);  // 窗口尺寸1200x600

    // 3. 创建双窗口（左：原始点云+标注，右：降采样点云+法向量）
    int v1(0), v2(0);
    viewer->createViewPort(0.0, 0.0, 0.5, 1.0, v1);  // 左窗口（x0,y0,x1,y1）
    viewer->createViewPort(0.5, 0.0, 1.0, 1.0, v2);  // 右窗口
    viewer->setViewPortName("原始点云+标注", v1);
    viewer->setViewPortName("降采样点云+法向量", v2);

    // 4. 左窗口：显示原始点云+文本+坐标系+线段
    viewer->addPointCloud(cloud, "original_cloud", v1);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud");  // 点大小2
    viewer->addText("原始点云（1000个点）", 10, 10, 16, 1.0, 1.0, 1.0, "original_text", v1);  // 白色文本
    viewer->addCoordinateSystem(50.0, "original_coord", v1);  // 坐标系（尺寸50）
    viewer->addLine(cloud->points[0], cloud->points[1], 1.0, 0.0, 0.0, "line1", v1);  // 红色线段（连接前两个点）

    // 5. 右窗口：显示降采样点云+法向量+球体标注
    viewer->addPointCloud(cloud_filtered, "filtered_cloud", v2);
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "filtered_cloud");  // 点大小3
    viewer->addPointCloudNormals<PointT, NormalT>(cloud_filtered, cloud_normals, 10, 2.0f, "normals", v2);  // 法向量（每10个点显示1个，箭头长2）
    viewer->addSphere(cloud_filtered->points[0], 5.0f, 0.0, 1.0, 0.0, "sphere1", v2);  // 绿色球体（标注第一个点）
    viewer->addText("降采样点云+法向量", 10, 10, 16, 0.0, 1.0, 0.0, "filtered_text", v2);  // 绿色文本

    // 6. 注册自定义交互事件
    viewer->registerKeyboardCallback(keyboardEventOccurred, (void*)nullptr);  // 键盘事件
    viewer->registerPointPickingCallback(pointPickingEventOccurred, (void*)viewer.get());  // 点拾取事件

    // 7. 启动可视化循环（非阻塞，用spinOnce+sleep）
    while (!viewer->wasStopped()) {
        viewer->spinOnce(100);  // 每100ms刷新一次
        std::this_thread::sleep_for(std::chrono::milliseconds(100));
    }

    return 0;
}