# pcl_tutorials

**Repository Path**: gwmunan/pcl_tutorials

## Basic Information

- **Project Name**: pcl_tutorials
- **Description**: pcl基本介绍和使用教程样例
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 5
- **Forks**: 0
- **Created**: 2024-07-05
- **Last Updated**: 2025-08-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

![输入图片说明](https://foruda.gitee.com/images/1720076877673526823/b38377ab_506465.png "屏幕截图")

[PCL](https://pcl.readthedocs.io/projects/tutorials/en/master/index.html)（Point Cloud Library）ROS接口库，
![输入图片说明](https://foruda.gitee.com/images/1720076774053173798/21bcb516_506465.png "Screenshot from 2024-07-04 15-04-49.png")


pcl_ros的介绍

PCL_ROS是在ROS中涉及n维点云和3D几何处理的3D应用的首选桥梁。

这个包提供运行ROS和PCL的接口和工具，包括nodelets、nodes和c++接口

输入图片说明


![输入图片说明](Screenshot%20from%202024-07-04%2015-08-27.png)

**bag_to_pcd:**  读取ROS包里面的数据，按照指定Topic存入PCD格式的文件中。

```
 $ rosrun pcl_ros bag_to_pcd <input_file.bag> <topic> <output_directory>
```

说明：
input_file.bag：加载的bag文件路径
topic:bag中指定的topic，通常是点云的topic
output_directory: 输出的PCD文件路径

样例：

```
 $ rosrun pcl_ros bag_to_pcd data.bag /laser_tilt_cloud ./pointclouds
```

-----


 **pcd_to_pointcloud：** 加载指定的PCD文件，转换为ROS中的PointCloud格式发布出来

```
$ rosrun pcl_ros pcd_to_pointcloud <file.pcd> [ <interval> ]
```



说明：
file.pcd ：pcd文件路径
interval ：时间间隔，单位 s 



样例：

```
 $ rosrun pcl_ros pcd_to_pointcloud /home/wilson/fast_livo_ws/src/pcl_tutorials/pcd/scans.pcd 1 

```

----

 **pointcloud_to_pcd：** 订阅点云的topic，并保存点云数据到PCD文件中，每个topic消息保存为一个独立的PCD文件


```
 $ rosrun pcl_ros pointcloud_to_pcd input:= <PointCloudTopic> 
```

说明：
PointCloudTopic ：订阅的点云话题


样例：

```
 $ rosrun pcl_ros pointcloud_to_pcd input:=/cloud_pcd 
```

以上是pcl_ros节点中各个节点的使用方法，接下来我们看一下接口的使用

以读取PCD文件，发布为ROS中标准的PointCloud2话题为例：



```
#include <ros/ros.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>

int main(int argc, char** argv)
{
    // 初始化ROS节点
    ros::init(argc, argv, "pcd_to_pointcloud_pub");
    ros::NodeHandle nh;

    // 创建一个ROS发布者，用于发布点云消息
    ros::Publisher pub = nh.advertise<sensor_msgs::PointCloud2>("/cloud_pcd", 1);

    // 读取PCD文件
    pcl::PointCloud<pcl::PointXYZRGBA>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGBA>);
    if (pcl::io::loadPCDFile<pcl::PointXYZRGBA>("/home/wilson/fast_livo_ws/src/pcl_tutorials/pcd/scans.pcd", *cloud) == -1)
    {
        PCL_ERROR("Failed to read PCD file\n");
        return -1;
    }

    // 创建一个ROS点云消息
    sensor_msgs::PointCloud2 output;
    pcl::toROSMsg(*cloud, output);
    output.header.frame_id = "base_link";  // 设置点云消息的坐标系

    ros::Rate loop_rate(1);
    while (ros::ok())
    {
        // 发布ROS点云消息
        pub.publish(output);
        std::cout << "Published a point cloud." << std::endl;

        ros::spinOnce();
        loop_rate.sleep();
    }

    return 0;
}
```

对应的订阅节点为：


```
#include <ros/ros.h>
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>


void cloudCallback(const sensor_msgs::PointCloud2ConstPtr& msg)
{
    pcl::PointCloud<pcl::PointXYZRGBA>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGBA>);
    pcl::fromROSMsg(*msg, *cloud);

    // 获取点云数据的大小（字节数）
    size_t pointCloudSize = msg->data.size();

    ROS_WARN("Received point cloud size: %zu bytes", pointCloudSize);
}

int main(int argc, char** argv)
{
    ros::init(argc, argv, "pcd_to_pointcloud_sub");
    ros::NodeHandle nh;

    ros::Subscriber sub = nh.subscribe<sensor_msgs::PointCloud2>("/cloud_pcd", 1, cloudCallback);

    ros::spin();

    return 0;
}
```

以上是PCD文件与PointCloud2的转换
接下来我们延伸一下，看一下PCL中的过滤功能，这个在ROS的点云处理中也是经常使用

1.直通滤波：
过滤出指定范围内（坐标系的x轴，y轴，z轴）的点云集合
原始点云数据：
![输入图片说明](https://foruda.gitee.com/images/1720079820179007607/12f25838_506465.png "Screenshot from 2024-07-04 15-56-20.png")
滤波之后：
![输入图片说明](https://foruda.gitee.com/images/1720079989854202613/e3549765_506465.png "Screenshot from 2024-07-04 15-59-18.png")
样例如下：
新建一个pointcloud_filter_passthrough.cpp文件，内容如下：


```
#include <ros/ros.h>
// PCL specific includes
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
// 添加引用
#include <pcl/PCLPointCloud2.h>
#include <pcl/filters/passthrough.h>
#include <pcl/filters/voxel_grid.h>

ros::Publisher pub;

void cloud_cb(const sensor_msgs::PointCloud2ConstPtr &cloud_msg)
{
    // Container for original & filtered data
    pcl::PCLPointCloud2 *cloud = new pcl::PCLPointCloud2;
    pcl::PCLPointCloud2ConstPtr cloudPtr(cloud);
    pcl::PCLPointCloud2 cloud_filtered;

    // Convert to PCL data type
    pcl_conversions::toPCL(*cloud_msg, *cloud);

    // Perform the actual filtering
    pcl::PassThrough<pcl::PCLPointCloud2> pass;
    // build the filter
    pass.setInputCloud(cloudPtr);
    pass.setFilterFieldName("x");
    pass.setFilterLimits(1, 2);

    // pass.setFilterFieldName("y");
    // pass.setFilterLimits(0, 2);

    // pass.setFilterFieldName("z");
    // pass.setFilterLimits(0, 2);

    // apply filter
    pass.filter(cloud_filtered);

    // Convert to ROS data type
    sensor_msgs::PointCloud2 cloud_pt;
    pcl_conversions::moveFromPCL(cloud_filtered, cloud_pt);

    // Publish the data
    pub.publish(cloud_pt);
}

int main(int argc, char **argv)
{
    // Initialize ROS
    ros::init(argc, argv, "pointcloud_filter_pub");
    ros::NodeHandle nh;

    // Create a ROS subscriber for the input point cloud 输入
    ros::Subscriber sub = nh.subscribe<sensor_msgs::PointCloud2>("/cloud_pcd", 1, cloud_cb);

    // Create a ROS publisher for the output point cloud 输出
    pub = nh.advertise<sensor_msgs::PointCloud2>("/cloud_pcd/filter", 1);

    // Spin
    ros::spin();
}
```
说明：
这里我们在X轴方向，过滤范围为：0~2m，只取X轴方向上原点到2m范围内的点云集合，其他都会被过滤掉
输出topic为：“/cloud_pcd”的点云数据，频率为 1 HZ

2.体素滤波
其实就是对点云集合进行降采样，降低点云密度，提示传输或加载效率
原始点云数据：
![输入图片说明](https://foruda.gitee.com/images/1720079820179007607/12f25838_506465.png "Screenshot from 2024-07-04 15-56-20.png")

过滤后效果：
![输入图片说明](https://foruda.gitee.com/images/1720080138591582539/f368342d_506465.png "Screenshot from 2024-07-04 16-01-24.png")
样例如下：
新建名为pointcloud_filter_volex.cpp的文件

```
#include <ros/ros.h>
// PCL specific includes
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
// 添加引用
#include <pcl/PCLPointCloud2.h>
#include <pcl/filters/passthrough.h>
#include <pcl/filters/voxel_grid.h>

ros::Publisher pub;

void cloud_cb(const sensor_msgs::PointCloud2ConstPtr &cloud_msg)
{
    // Container for original & filtered data
    pcl::PCLPointCloud2 *cloud = new pcl::PCLPointCloud2;
    pcl::PCLPointCloud2ConstPtr cloudPtr(cloud);
    pcl::PCLPointCloud2 cloud_filtered;

    // Convert to PCL data type
    pcl_conversions::toPCL(*cloud_msg, *cloud);

    pcl::VoxelGrid<pcl::PCLPointCloud2> sor;
    // build the filter
    sor.setInputCloud(cloudPtr);
    // 通过 lx, ly, lz 分别设置体素栅格在 XYZ 3个方向上的尺寸
    sor.setLeafSize(0.5, 0.5, 0.5);
    // apply filter
    sor.filter(cloud_filtered);

    // Convert to ROS data type
    sensor_msgs::PointCloud2 cloud_vog;
    pcl_conversions::moveFromPCL(cloud_filtered, cloud_vog);

    // Publish the data
    pub.publish(cloud_vog);
}

int main(int argc, char **argv)
{
    // Initialize ROS
    ros::init(argc, argv, "pointcloud_filter_pub");
    ros::NodeHandle nh;

    // Create a ROS subscriber for the input point cloud 输入
    ros::Subscriber sub = nh.subscribe<sensor_msgs::PointCloud2>("/cloud_pcd", 1, cloud_cb);

    // Create a ROS publisher for the output point cloud 输出
    pub = nh.advertise<sensor_msgs::PointCloud2>("/cloud_pcd/filter", 1);

    // Spin
    ros::spin();
}
```
说明：
这个样例中，我们订阅了名称为"/cloud_pcd"的点云数据，通过体素滤波器，设置x，y，z轴上的尺寸：0.5，0.5，0.5

3.点云投影

样例如下：
新建名为pointcloud_filter_coefficients.cpp的文件


```
#include <ros/ros.h>
// PCL specific includes
#include <sensor_msgs/PointCloud2.h>
#include <pcl_conversions/pcl_conversions.h>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>
// 添加引用
#include <pcl/PCLPointCloud2.h>
#include <pcl/filters/passthrough.h>
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/radius_outlier_removal.h>
#include <pcl/filters/conditional_removal.h>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/ModelCoefficients.h>
#include <pcl/filters/project_inliers.h>

using namespace std;
using namespace pcl;

int main(int argc, char **argv)
{
    // 读取文件
    PCDReader reader;
    PCDWriter writer;
    PointCloud<pcl::PointXYZRGB>::Ptr cloud(new PointCloud<pcl::PointXYZRGB>);
    PointCloud<pcl::PointXYZRGB>::Ptr cloud_f(new PointCloud<pcl::PointXYZRGB>);
    reader.read("/home/wilson/fast_livo_ws/src/pcl_tutorials/pcd/scans.pcd", *cloud);

    // 我们使用平面模型，其中ax + by + cz + d = 0，其中a = b = d = 0，并且c = 1，或者换句话说，XY平面。
    pcl::ModelCoefficients::Ptr coefficients(new pcl::ModelCoefficients());
    
    coefficients->values.resize(4);
    coefficients->values[0] = 0;
    coefficients->values[1] = 0;
    coefficients->values[2] = 1.0;
    coefficients->values[3] = 0;

    // 我们创建投影对象，并使用上面定义的模型作为投影模型
    pcl::ProjectInliers<pcl::PointXYZRGB> proj;
    proj.setModelType(pcl::SACMODEL_PLANE);
    proj.setInputCloud(cloud);
    proj.setModelCoefficients(coefficients);
    proj.filter(*cloud_f);

    // Initialize ROS
    ros::init(argc, argv, "pointcloud_filter_pub");
    ros::NodeHandle nh;
    // 创建一个ROS发布者，用于发布点云消息
    ros::Publisher pub = nh.advertise<sensor_msgs::PointCloud2>("/cloud_pcd_coefficients", 1);
    // 创建一个ROS点云消息
    sensor_msgs::PointCloud2 output;
    pcl::toROSMsg(*cloud_f, output);
    output.header.frame_id = "base_link"; // 设置点云消息的坐标系

    ros::Rate loop_rate(1);
    while (ros::ok())
    {
        // 发布ROS点云消息
        pub.publish(output);
        std::cout << "Published a point cloud." << std::endl;

        ros::spinOnce();
        loop_rate.sleep();
    }

    return (0);
}

```

说明：
我们使用投影模型对象ModelCoefficients对从PCD文件中读取的点云数据，进行平面投影处理，可以打开rviz查看投影后的具体效果
原始数据：
![输入图片说明](https://foruda.gitee.com/images/1720079820179007607/12f25838_506465.png "Screenshot from 2024-07-04 15-56-20.png")
投影后数据：
![输入图片说明](https://foruda.gitee.com/images/1720079725047865328/7e4980bf_506465.png "Screenshot from 2024-07-04 15-55-05.png")


当然，除此之外PCL还有很多其他功能，感兴趣的可以去官网查看：https://pointclouds.org/