PCL（Point Cloud Library），又叫做點云庫，是一個BSD授權方式，可以免費進行商業和學術應用的大型跨平臺開源C++編程庫，其最早是以斯坦福大學Radu博士為首進行維護與開發的開源項目，主要用于機器人領域。PCL涵蓋處理點云數據的多種通用算法和數據結構，其具體實現基于第三方庫Boost、Eigen、FLANN、VTK、CUDA、OpenNI和Qhull，能夠支持Windows、Linux、Mac OS、Android以及部分嵌入式實時系統等多種操作系統平臺。PCL包括點云獲取、分割、特征描述與提取、可視化、曲面重建、配準、濾波和輸入/輸出等功能模塊以及動作跟蹤識別等應用，并且在不斷更新的PCL版本中會加入新的算法與應用。截止至2022年，PCL已被廣泛應用在立體3D影像、激光遙感測繪學、虛擬現實/人機交互、機器人和逆向工程等領域。
PCL中各功能的實現依賴于多個第三方庫，分別為Boost庫、Eigen庫、FLANN庫、VTK庫、CUDA庫、OpenNI、Qhull。PCL的部分主要功能模塊如下：I/O，輸入/輸出模塊。該模塊能夠實現點云數據/文件的獲取、讀入與存儲等操作，通過封裝OpenNI兼容的設備原始數據獲取接口實現直接讀取點云相關信息；kd-tree，空間索引模塊。該模塊通過類與函數實現利用kd-tree數據結構建立點云的空間拓撲關系，實現基于FLANN第三方庫的快速最近鄰搜索；?octree，空間索引模塊。該模塊通過類與函數實現利用octree數據結構建立點云的空間拓撲關系，實現基于FLANN第三方庫的快速最近鄰搜索；?可視化，可視化模塊。該模塊包含了大量與可視化相關的數據結構與組件，依賴于第三方庫VTK，能夠對其他模塊的處理結果進行直觀的展示。
PCL自2011年正式推出以來，在各行業得到廣泛應用，隨著算法模塊的不斷優化與完善，截止至2022年PCL庫已經發布到1.9.1版本，并完全集成到ROS中。
內容
PCL的結構和內容
如圖PCL架構圖所示，對于3D點云處理來說，PCL完全是一個的模塊化的現代C++模板庫。其基于以下第三方庫：Boost、Eigen、FLANN、VTK、CUDA、OpenNI、Qhull，實現點云相關的獲取、濾波、分割、配準、檢索、特征提取、識別、追蹤、曲面重建、可視化等。
PCL利用OpenMP、GPU、CUDA等先進高性能計算技術，通過并行化提高程序實時性。K近鄰搜索操作的構架是基于FLANN (Fast Library for Approximate Nearest Neighbors)所實現的，速度也是目前技術中最快的。PCL中的所有模塊和算法都是通過Boost共享指針來傳送數據的，因而避免了多次復制系統中已存在的數據的需要，從0.6版本開始，PCL就已經被移入到Windows，Mac OS和Linux，并且在Android系統也已經開始投入使用，這使得PCL的應用容易移植與多方發布。
從算法的角度，PCL是指納入了多種操作點云數據的三維處理算法，其中包括：過濾，特征估計，表面重建，模型擬合和分割，定位搜索等。每一套算法都是通過基類進行劃分的，試圖把貫穿整個流水線處理技術的所有常見功能整合在一起，從而保持了整個算法實現過程中的緊湊和結構清晰，提高代碼的重用性、簡潔可讀。在PCL中一個處理管道的基本接口程序是：
創建處理對象：（例如過濾、特征估計、分割等）；
使用setInputCloud通過輸入點云數據，處理模塊；
設置算法相關參數；
調用計算（或過濾、分割等）得到輸出。
為了進一步簡化和開發，PCL被分成一系列較小的代碼庫，使其模塊化，以便能夠單獨編譯使用提高可配置性，特別適用于嵌入式處理中:
libpcl filters：如采樣、去除離群點、特征提取、擬合估計等數據實現過濾器；
libpcl features：實現多種三維特征，如曲面法線、曲率、邊界點估計、矩不變量、主曲率，PFH和FPFH特征，旋轉圖像、積分圖像，NARF描述子，RIFT，相對標準差，數據強度的篩選等等；
libpcl I/O：實現數據的輸入和輸出操作，例如點云數據文件（PCD）的讀寫；
libpcl segmentation：實現聚類提取，如通過采樣一致性方法對一系列參數模型（如平面、柱面、球面、直線等）進行模型擬合點云分割提取，提取多邊形棱鏡內部點云等等；
??libpcl surface：實現表面重建技術，如網格重建、凸包重建、移動最小二乘法平滑等；
libpcl register：實現點云配準方法，如ICP等；
libpclkeypoints：實現不同的關鍵點的提取方法，這可以用來作為預處理步驟，決定在哪兒提取特征描述符；
libpcl range ：實現支持不同點云數據集生成的范圍圖像。
為了保證PCL中操作的正確性，上述提到的庫中的方法和類包含了單位和回歸測試。這套單元測試通常都是由專門的構建部門按需求編譯和驗證的。當某一部分測試失敗時，這些特定部分的各自作者就會立即被告知。這徹底地保證了代碼測試過程出現的任何變故，以及新功能或修改都不會破壞PCL中已經存在的代碼。
參考資料 >