一、PCL库简介（包含下载与配置方法）

点云库（PCL）是一个开源算法库，用于点云处理任务和3D几何处理。该库包含用于点云滤波、特征点估计、表面重建、3D配准、模型拟合、对象识别、分割和可视化的算法。PCL库有自己存储点云的数据格式——PCD，但也允许以部分其它格式加载和保存数据集。PCL库是基于C++编写的，并在BSD许可下发布[1]。

（一）C++版本PCL库下载与配置

PCL库C++下载与配置方法详见参考资料[4]。

（二）Python版本PCL库下载与配置

PCL库anaconda+pycharm+windows下载与配置方法见参考资料[5][6]。其中，值得注意的是在Pycharm添加解释器时，Conda可执行文件为如下：

在完成Python3.6版本的Anaconda虚拟环境配置与对应版本PCL库的安装后，在命令框内（Command）通过pip install laspy下载laspy外部库以配合PCL库读入和处理LAS格式点云数据，注意将对应库文件复制到虚拟环境的site-packages文件夹下（或直接在CMD.exe Prompt中激活虚拟环境直接pip install）。

PCL库python下载与配置方法详见参考资料[5][6][7]。

若python-pcl库配置仍存在问题，换种思路，在不影响项目工程要求的情况下换用pclpy库包。

常用的点云数据处理工具补充：CloudCompare、Geomagic Studio、LAStools、matlab 、ENVI LiDAR等。

二、点云数据格式介绍（LAS格式文件、PCD格式文件为主）

常见点云文件格式[12]：

①LAS，LAZ（LiDAR数据的工业标准格式，属于二进制文件格式）

②PCD（PCL库官方指定格式）

③OBJ（是由Alias|Wavefront Technologies公司从几何学上定义的3D模型文件格式，属于文本文件）

④PCAP（Velodyne公司出品的激光雷达默认采集数据的二进制文件格式）

⑤PLY（斯坦福大学的Turk等人设计开发的多边形文件格式，斯坦福三角格式有文本和二进制两种）[5]

⑥PTS（简便点云格式，属于文本格式，只包含点坐标信息，按XYZ顺序存储）

⑦XYZ，TXT（文本格式）

（一）LAS格式文件

LAS文件按每条扫描线排列方式存放数据，大致包括激光点的三维坐标、多次回波信息、强度信息、扫描角度、分类信息、飞行航带信息、飞行姿态信息、项目信息、GPS信息、数据点颜色信息等，LAS格式定义中用到的数据类型遵循1999年ANSI（美国国家标准化协会）C语言标准。LAS文件主要由Header、VLRS（变长记录，Variable Length Record）、Point Records三部分组成，LAZ是LAS格式的无损压缩版本。

LAS文件格式详解见[12][13][19]，基于LAStools工具查看数据信息示例：

图一 LAS点云原始数据（带地物标签）图二对应的光学影像

图三 LAS格式文件数据信息

（二）PCD格式文件

PCD文件以ASCII字符编码，文件格式头（File Format Header）说明文件中存储的点云数据的格式，每个格式声明及点云数据之间用换行符（\n）隔开。PCD文件格式详解见[15]。

基于记事本查看数据信息示例：

通过代码格式转换的方式，我们可以控制我们想要的输出数据存储编码类型，而CloudCompare存储输出PCD格式的Data编码类型为Binary（二进制）。

图四代码转的PCD格式文件数据信息图五 CloudCompare软件转的PCD格式文件数据信息

三、点云数据格式转换（LAS转PCD，基于Python）

import laspy
import numpy as np
from pclpy import pcl

filePath = r"G:\LiDAR\DATA\copy.las"
las = laspy.read(filePath)
point_format = las.point_format
# 查看点云数据类型信息
print("点云数据信息维名称")
print(list(point_format.dimension_names))
# intensity = las.intensity
# print(max(las.intensity))
# 通过max(las.intensity)==0，已知该las数据未存储有效的回波强度信息
x, y, z = np.float32(las.X), np.float32(las.Y), np.float32(las.Z)
# 构造二维矩阵（行代表各点，列代表点的X、Y、Z），若数据回波强度有效修改点云构造类即可，例如PointXYZI
Pmatrix = np.vstack((x,y,z)).transpose()
cloud = pcl.PointCloud.PointXYZ.from_array(Pmatrix)
pcl.io.savePCDFileASCII(r"G:\LiDAR\DATA\las2pcd.pcd",cloud)

注：利用CloudCompare软件也可以进行多种点云数据文件格式之间的转换，将数据导入后以所需格式保存即可。

四、点云数据的C++显示与python显示

（一）基于pcl.visualization模块点云显示

from pclpy import pcl

filePath = r"G:\LiDAR\DATA\las2pcd.pcd"
# 加载点云数据
cloud = pcl.PointCloud.PointXYZ()
reader = pcl.io.PCDReader()
reader.read(filePath,cloud)
# 可视化点云数据
viewer = pcl.visualization.CloudViewer("viewer")
viewer.showCloud(cloud,"sample cloud")
while not viewer.wasStopped(10):
    pass

（二）基于C++的PCL库点云显示

① 在调试运行项目时，dll文件缺失解决方法可查看参考资料[22]。

②对于生成解决方案时产生Error：4996，可以选择通过如下方法解决：

解决方案资源管理器 ->右击项目文件名 ->属性->C/C++ ->高级->禁用特定警告->确定。

在具体调试测试时，我发现利用pclpy来显示上述代码转换格式数据与CloudCompare转换数据均可以成功显示运行；但是在VS 2019上基于PCL库来显示代码转换格式数据就无法成功，会跳到PCL.exe面板卡住（此问题并未解决，还需要进一步学习）。

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


using namespace std;
using namespace pcl;
using namespace pcl::io;

int user_data;

void viewerOneOff(pcl::visualization::PCLVisualizer& viewer)
{
	//设置背景颜色
	viewer.setBackgroundColor(1.0, 0.5, 1.0);
	//添加圆球几何对象
	pcl::PointXYZ o;
	o.x = 1.0;
	o.y = 0;
	o.z = 0;
	viewer.addSphere(o, 0.25, "sphere", 0);
}

void viewerPsycho(pcl::visualization::PCLVisualizer& viewer)
{
	static unsigned count = 0;
	std::stringstream ss;
	ss << "Once per viewer loop:" << count++;
	viewer.removeShape("text", 0);
	viewer.addText(ss.str(), 200, 300, "text", 0);
	user_data++;
}

int main()
{
	// 创建点云渲染对象，导入待渲染文件
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::io::loadPCDFile("G:\\LiDAR\\DATA\\copy - Cloud.pcd",*cloud);
	// 创建点云渲染句柄
	pcl::visualization::CloudViewer viewer("Cloud Viewer");
	viewer.showCloud(cloud);
	//以下代码均为高级复杂操作代码，此处仅依据参考尝试调试查看（若需具体尝试可向其中添加相应代码）
	//该注册函数在可视化的时候只执行一次
	viewer.runOnVisualizationThreadOnce(viewerOneOff);
	//该注册函数在渲染输出时每次都调用
	viewer.runOnVisualizationThread(viewerPsycho);
	while (!viewer.wasStopped())
	{
		user_data++;
	}
	return 0;
}

五、Anaconda虚拟环境管理配置小Tips

在面对实际项目时，我们通常会遇到需要在不同项目使用不同的python编程环境，如果同时安装多个python环境就可能造成许多混乱和错误。这时利用Anaconda的虚拟环境机制就可以方便安装不同的python版本，在不同的项目中使用不同的运行环境（因为某些项目涉及不同包版本的匹配等问题，如python-PCL库包需要对应支持的版本等），从而方便来回切换运行环境。

若在具体实践项目时，我们的库包及模块出现报错“未能被找到”，可以利用Denpendency Walker工具检查模块及库包的依赖关系，查找缺少的动态链接库（DLL，Dynamic Link Library），从而具体分析具体解决。

若下载库包时由于网络问题造成下载速度较慢或下载超时，我们可以采用基于镜像网页的下载方式去下载库包，格式：pip install 安装包名 -i 镜像网页。

具体操作见参考资料[17][19]。