本文介绍了PCL(Point Cloud Library)的基本情况。PCL是一个大型跨平台的C++开源库，它集成了大量点云处理的通用算法和高效数据结构，涵盖点云获取、滤波、分割、配准、检索等多个方面。该库支持多种操作系统，包括Windows、Linux、Android等。与OpenCV在2D信息处理上的地位相当，PCL在3D信息获取和处理上同样重要。PCL的优势包括：1）包含常见点云算法且持续更新；2）商用免费；3）基于PCL开发的算法效率高；4）使用C++编写，支持多线程并行处理；5）拥有丰富的学术和工业资源。PCL的架构支持多个系统，依赖多个库，实现了广泛的功能。其代码框架包括多个模块，如过滤器、特征筛选、数据IO、表面重建、点云配准等。学习PCL的资源丰富，包括官网、Github仓库以及多个在线学习平台和指南。

PCL开源库基本情况

PCL(Point Cloud Library)是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库。

它实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。

支持多种操作系统平台，可在Windows、Linux、Android,Mac OSX、部分嵌入式实时系统上运行。

如果说OpenCV是2D信息获取与处理的结晶，那么PCL就在3D信息获取与处理上具有同等地位。

PCL的官方地址：PCL-Github，最新的版本是1.14.0，于2024 年 1 月 3 日更新（当前时间2024年3月）。

PCL的一些优点

1、PCL包括常见的点云算法，而且不断更新，开箱即用

2、PCL商用免费，企业开发使用

3、ROS等公很多领域上有很多算法也是基于PCL开发的效率高

4、c++编写，支持openmp与TBB并行，支持SIMD

5、学术界和工业界针对点云最全的库，资料很多

PCL架构图

支持的系统：Windows、Linux、Android、 Mac OS X、Ubuntu..

依赖的库：Boost、Eigen、FLANN、VTK、CUDA、OpenNI、 Qhull、 OpenMP

实现的功能：分割、特征描述与提取、可视化、识别......

PCL代码框架

libpcl filters:实现采样、去除离群点、特征提取、拟合估计等过滤器;

libpcl features:实现多种三维特征的筛选，如:曲面法线、曲率、边界点估计等;

libpcl I/O:实现数据的输入和输出操作;

libpcl surface:实现表面重建技术，如网格重建，凸包重建;

libpcl registeration: 实现点云配准方法，如ICP等;

libpcl keypoints:实现不同的关键点提取方法;

libpcl range image:实现支持不同点云数据集生成的深度图像。

学习资料

官网：https://pointclouds.org

Github：https://github.com/HuangCongQing/pcl-learning

PCL(Point Cloud Library)学习记录（2024）：https://www.yuque.com/huangzhongqing/pcl

PCL(Point Cloud Library)学习指南&资料推荐：https://zhuanlan.zhihu.com/p/268524083

点云库PCL从入门到精通电子书下载（仅供学习参考使用）：https://wwu.lanzout.com/iFYoZ1qfp1rg