1.pcl点云的保存
1.首先将获得的点云x，y，z分别存放在三个vector中
2.pcl 是一个命名空间，跟std类似，PointCloud是类模板，<pcl::PointXYZ>是模板类实例化的类型
3cloud.height用来判断是否为有序点云，=1则是无序点云也可以使用如下函数代替：if (!cloud.isOrganized ()),
4.对于无序点云来说：(1)width就是指点云中点的个数，此时也就是x，y或者z的个数，故等于TestPXc.size();
5.对于有结构点云来说：width是指点云数据集一行上点的个数。Anorganized point clouddataset is the name given to point clouds that resemble an organized image (or matrix) like structure, where the data is split into rows and columns.立体相机或者TOF相机获得的点云数据就属于这一类。对于有结构点云的一大好处就是能知道点云中点的相邻关系，最近邻操作效率就非常高，可以大大提高PCL中相应算法的效率。但是结构点云经过某些人为操作后，会变为无结构点云，比如滤波操作等。而PCL算法库里面的某些重要算法，仅支持结构点云，比如多平米分割算法（OrganizedMultiPlaneSegmentation）。
例如：有结构点云
cloud.width = 640; // Image-like organized structure, with 640 rows and 480 columns,
cloud.height = 480; // thus 640*480=307200 points total in the dataset
无结构点云
cloud.width = 307200;
cloud.height = 1; // unorganized point cloud dataset with 307200 points
6。cloud.is_dense (bool) 判断points中的数据是否是有限的（有限为true）或者说是判断点云中的点是否包含 Inf/NaN这种值（包含为false）。
7.points存储了数据类型为PointT的一个动态数组，例如，对于一个包含了XYZ数据的点云，points是包含了元素为pcl::PointXYZ一个vector。 相当于vector<point3f>
8。cloud.points赋值后，通过存储对象cloud可以将点云保存，保存函数为I/O模块中的savePCDFileASCII，第一个参数为保存名称，第二个为点云对象，保存在工程目录下。
