如何在ROS中使用PCL----数据格式相关
Write your description here.
写在前面的#
最近在读LIO-SAM代码中发现了一些有关于PCL库和ROS之间数据格式转换的相关问题，因此特地在网上找了些资料总结了下，希望后面看起来较为方便。。。。
常用message消息类型#
PCL对ROS的接口提供PCL数据结构的转换，通过通过ROS提供的以消息为基础的转换系统系统。这有一系列的转换函数提供用来转换原始的PCL数据类型成消息型。一些最有用常用的的message类型列举在下面。
std_msgs：Header
这不是真的消息类型，但是用在Ros消息里面的每一个部分。它包含了消息被发送的时间和序列号和框名。在PCL库中等于pcl::Header类型
sensor_msgs::PointCloud2
这是最重要的类型。这个消息通常是用来转换pcl::PointCloud类型的，pcl::PCLPointCloud2这个类型也很重要，因为前面版本的可能被废除。
pcl_msgs::PointIndices
该类型存储属于点云里面的点的下标，在pcl里面等于pcl::PointIndices
pcl_msgs::PolygonMesh
该类型包括消息需要描述多边形网眼，就是顶点和边，在pcl里面等于pcl::PolygonMesh
pcl_msgs::Vertices
该类型包含了一系列的顶点作为一个数组的下标，来描述一个多边形。在pcl里面等于pcl::Vertices
pcl_msgs::ModelCoefficients
这存储了一个模型的不同的系数，比如描述一个平面需要4个系数。在PCL里面等于pcl::ModelCoefficients
PCL库中提供的相应转换函数#
使用前需要加入头文件
#include <ros/ros.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/ros/conversions.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>下面是在pcl_conversions命名空间里面提供的函数
| return value | function |
|---|---|
| void | copyImageMetaData (const sensor_msgs::Image &image, pcl::PCLImage &pcl_image) |
| void | copyPCLImageMetaData (const pcl::PCLImage &pcl_image, sensor_msgs::Image &image) |
| void | copyPCLPointCloud2MetaData (const pcl::PCLPointCloud2 &pcl_pc2, sensor_msgs::PointCloud2 &pc2) |
| void | copyPointCloud2MetaData (const sensor_msgs::PointCloud2 &pc2, pcl::PCLPointCloud2 &pcl_pc2) |
| void | fromPCL (const pcl::PCLImage &pcl_image, sensor_msgs::Image &image) |
| void | fromPCL (const std::vector< pcl::PCLPointField > &pcl_pfs, std::vector< sensor_msgs::PointField > &pfs) |
| void | fromPCL (const pcl::PCLPointCloud2 &pcl_pc2, sensor_msgs::PointCloud2 &pc2) |
| void | moveFromPCL (pcl::PCLImage &pcl_image, sensor_msgs::Image &image) |
| void | moveFromPCL (pcl::PCLPointCloud2 &pcl_pc2, sensor_msgs::PointCloud2 &pc2) |
| void | moveToPCL (sensor_msgs::Image &image, pcl::PCLImage &pcl_image) |
| void | moveToPCL (sensor_msgs::PointCloud2 &pc2, pcl::PCLPointCloud2 &pcl_pc2) |
| void | moveToPCL (pcl_msgs::ModelCoefficients &mc, pcl::ModelCoefficients &pcl_mc) |
| void | toPCL (const sensor_msgs::Image &image, pcl::PCLImage &pcl_image) |
| void | toPCL (const sensor_msgs::PointCloud2 &pc2, pcl::PCLPointCloud2 &pcl_pc2) |
PCL对ROS接口的相关总结#
- void toROSMsg(const pcl::PointCloud
&, sensor_msgs::PointCloud2 &) 实现的功能是将pcl里面的pcl::PointCloudpcl::PointXYZ cloud 转换成ros里面的sensor_msgs::PointCloud2 output这个类型。 - void fromROSMsg(const sensor_msgs::PointCloud2 &, pcl::PointCloud
&) 转为PCL中的pcl::PointCloud 类型 - void moveFromROSMsg(sensor_msgs::PointCloud2 &, pcl::PointCloud
&) 这里和上面的只差了一个const 转换为pcl::PointCloud 类型
需要注意的问题 通过查询相关资料ROS里面是否加move，主要用于区分浅拷贝和深拷贝的问题，正常版本执行的是一个深拷贝(完全拷贝),而move版的是浅拷贝，并使源数据作废。 浅拷贝和深拷贝 浅拷贝只是对指针的拷贝(&)，拷贝后两个指针指向同一个内存空间，深拷贝不但对指针进行拷贝(const &)，而且对指针指向的内容进行拷贝，经深拷贝后的指针是指向两个不同地址的指针。
PCL点云库的一些使用#
初始化点云对象指针
pcl::PointCloud<T>::Ptr pointCloudKeyPose(new pcl::PointCloud<T>());其中T为pcl对应的点云类型，常见的pcl点云类型有：
PointXYZ 成员变量：float x,y,z;
访问方式1：
float x = cloud.points[i].x;
访问方式2：
float x = cloud.points[i].data[0];
---------------------------------------------------------------------------
PointXYZI
成员变量: float x, y, z, intensity;
---------------------------------------------------------------------------
PointXYZRGBA
成员变量: float x, y, z; uint32_t rgba; (rgba信息被包含在一个整型变量中)
---------------------------------------------------------------------------
PointXYZRGB
成员变量: float x, y, z, rgb;
---------------------------------------------------------------------------
PointXY
成员变量: float x, y;
---------------------------------------------------------------------------
Normal
成员变量： float normal_x,normal_y,normal_z, curvature;
---------------------------------------------------------------------------
PointNormal
成员变量: float x, y, z,normal_x,normal_y,normal_z, curvature
---------------------------------------------------------------------------
PointXYZRGBNormal
成员变量： float x, y, z, rgb, normal_x,normal_y,normal_z, curvature;
---------------------------------------------------------------------------
PointXYZINormal
成员变量： float x, y, z, intensity, normal_x,normal_y,normal_z, curvature;使用点云的KDtree功能
由于这个本身不像FLANN库是个通用的最近邻库，这里的最近邻实际上只包含点云类型的最近邻，LIO-SAM的作者实际上在这里取巧了，将位置信息作为点信息存储，从而完成了最近邻keyframe的查找，实现submap的构建, 常规代码如下：
// 声明
pcl::PointCloud<PointType>::Ptr cloudKeyPoses3D;
pcl::KdTreeFLANN<PointType>::Ptr kdtreeSurroundingKeyPoses;
// 按照最近邻半径获取的id信息和对应的平方距离
std::vector<int> pointSearchInd;
std::vector<float> pointSearchSqDis;
// 构建kdtree
kdtreeSurroundingKeyPoses->setInputCloud(cloudKeyPoses3D);
// 完成kdtree的相关搜索 第一个变量是一个T类型的点云中的点
kdtreeSurroundingKeyPoses->radiusSearch(cloudKeyPoses3D->back(), (double)surroundingKeyframeSearchRadius, pointSearchInd, pointSearchSqDis);使用点云VoxelGrid降采样功能 VoxelGrid滤波器是使用体素化网格的方法实现下采样，并保持点云的形状特征。通过在点云数据中创建三维体素栅格，然后用每个体素的重心来近似表达体素中的其它点。这种方法比用体素中心来逼近的方法更慢，但它对采样点对应曲面的表示更为准确。常规操作代码如下：
#include<pcl/filters/voxel_grid.h>
// 创建降采样滤波器对象
pcl::VoxelGrid<PointType> downSizeFilterSurroundingKeyPoses;
// 单位m，三维空间栅格的大小
downSizeFilterSurroundingKeyPoses.setLeafSize(surroundingKeyframeDensity, surroundingKeyframeDensity, surroundingKeyframeDensity);
// 点云输入
downSizeFilterSurroundingKeyPoses.setInputCloud(surroundingKeyPoses);
// 降采样执行
downSizeFilterSurroundingKeyPoses.filter(*surroundingKeyPosesDS);