# pcl-learning
**Repository Path**: haoge-lib/pcl-learning
## Basic Information
- **Project Name**: pcl-learning
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-11-25
- **Last Updated**: 2023-11-25
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# pcl
[](https://github.com/murufeng/awesome_lightweight_networks)
[](https://github.com/murufeng/awesome_lightweight_networks)
PCL（Point Cloud Library）点云库 **个人开发环境：Ubuntu18.04**
* 如有疑问，微信：shuangyu_ai
**墙裂建议先看下：[PCL(Point Cloud Library)学习指南&资料推荐](https://zhuanlan.zhihu.com/p/268524083)**
**PCL学习入门指南&代码实践(最新版)入门视频： https://www.bilibili.com/video/BV1HS4y1y7AB**
**代码对应系列笔记：[PCL(Point Cloud Library)学习记录（2023）](https://www.yuque.com/huangzhongqing/pcl)**
**PCL微信交流群二维码每周都更新一次，请关注公众号【双愚】后台回复PCL加群**
* 更多自动驾驶相关交流群，欢迎扫码加入：[自动驾驶感知(PCL/ROS+DL)：技术交流群汇总(新版)](https://mp.weixin.qq.com/s?__biz=MzI4OTY1MjA3Mg==&mid=2247486575&idx=1&sn=3145b7a5e9dda45595e1b51aa7e45171&chksm=ec2aa068db5d297efec6ba982d6a73d2170ef09a01130b7f44819b01de46b30f13644347dbf2#rd)
**相关项目实战:**
* 3D-MOT(多目标检测和追踪):
[https://github.com/HuangCongQing/3D-LIDAR-Multi-Object-Tracking/tree/kitti](https://github.com/HuangCongQing/3D-LIDAR-Multi-Object-Tracking/tree/kitti)
* 需要学习ROS：https://github.com/HuangCongQing/ROS
@[双愚](https://github.com/HuangCongQing/pcl-learning) , 若fork或star请注明来源
> * 点云数据的处理可以采用获得广泛应用的Point Cloud Library (点云库，PCL库)。
> * PCL库是一个最初发布于2013年的开源C++库。它实现了大量点云相关的通用算法和高效的数据管理。
> * 支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说OpenCV是2D信息获取与处理的技术结晶，那么PCL在3D信息获取与处理上，就与OpenCV具有同等地位
> * PCL是BSD授权方式，可以免费进行商业和学术应用。
* 英文官网：https://pcl.readthedocs.io/projects/tutorials/en/latest/#
* https://pointclouds.org/
* GitHub：https://github.com/PointCloudLibrary/pcl
* 学习基于pcl1.9.1：https://github.com/PointCloudLibrary/pcl/tree/pcl-1.9.1
**Tips:**
* ubuntu下使用PCL，需要写**CMakeLists.txt**文件，然后编译才可以生成可执行文件.
* 可执行文件在build文件夹下，所以运行可执行文件时，后面添加参数的pcd文件，应放在build文件夹下才能获取到。**（注意文件路径）**
* `make -j ` (-j 自动多线程， -j4 四线程)
## 目录contents
> ***建议必学**
* [00base](00base)
##### step1
* [01common](01common )
##### step2
* [* 02kdtree k维tree](02kdtree) [[doc](https://www.yuque.com/huangzhongqing/pcl/uffamg#w9i1y)]
* [* 03octree 八叉树](03octree) [[doc](https://www.yuque.com/huangzhongqing/pcl/habl9h)]
* [* 04search](04search): [[doc](https://www.yuque.com/huangzhongqing/pcl/qs4wx2)]
* [05sample consensus 抽样一致性模块](05sampleconsensus抽样一致性模块) [[doc](https://www.yuque.com/huangzhongqing/pcl/ivtxgx)]
* [06range-images深度图像](06range-images深度图像) [[doc](https://www.yuque.com/huangzhongqing/pcl/hxeyrz)]
##### step3（must）
* [* 08 io 输入输出](08IO输入输出) [[doc](https://www.yuque.com/huangzhongqing/pcl/mt2yo5)]
* [* 09 filters 滤波](09filters滤波) [[doc](https://www.yuque.com/huangzhongqing/pcl/ai96k5)]
* [* 10 features 特征](10features特征) [[doc](https://www.yuque.com/huangzhongqing/pcl/kf9kmf)]
##### step4（根据个人需要）
* [11 surface表面 ](11surface表面) [[doc](https://www.yuque.com/huangzhongqing/pcl/yfrd0w)]
* [12 segmentation分割](12segmentation分割) [[doc](https://www.yuque.com/huangzhongqing/pcl/kg7wvi)]
* [13 recognition识别](13recognition识别) [[doc](https://www.yuque.com/huangzhongqing/pcl/hpgc39)]
* [14 registration配准](14registration配准) [[doc](https://www.yuque.com/huangzhongqing/pcl/zg7alz)]
* [* 15 visualization可视化](15visualization可视化) [[doc](https://www.yuque.com/huangzhongqing/pcl/rmexll)]
* [16 keypoints关键点](16keypoints关键点) [[doc](https://www.yuque.com/huangzhongqing/pcl/twi0mt)]
* [07tracking跟踪](07tracking跟踪/tracking.md) [[doc](https://www.yuque.com/huangzhongqing/pcl/em72xa)]
## 编译过程
```shell
mkdir build
cd build
cmake .. // 对上一级进行编译
make // 生成可执行文件命令
./executedemo // 运行可执行文件
```
## 实战项目
不理解的地方,欢迎提issue: https://github.com/HuangCongQing/pcl-learning/issues
* 3D-MOT(多目标检测和追踪)
* https://github.com/HuangCongQing/3D-LIDAR-Multi-Object-Tracking/tree/kitti
* 3D点云目标检测&语义分割-SOTA方法,代码,论文,数据集等
* https://github.com/HuangCongQing/3D-Point-Clouds
## 相关链接
* 公众号：点云PCL
* https://github.com/Yochengliu/awesome-point-cloud-analysis
* https://github.com/QingyongHu/SoTA-Point-Cloud
* https://github.com/PointCloudLibrary/pcl
* 参考书籍：点云库PCL学习教程，朱德海，北京航空航天大学出版社
* Plus：ROS学习-https://github.com/HuangCongQing/ROS
**入门资料：**
- **PCL学习入门指南&代码实践(最新版)入门视频： https://www.bilibili.com/video/BV1HS4y1y7AB**
- **视频**：[bilibili-PCL点云库官网教程](https://space.bilibili.com/504859351/channel/detail?cid=130387)
- **点云库PCL学习教程书籍每章总结：**[https://github.com/MNewBie/PCL-Notes](https://github.com/MNewBie/PCL-Notes)
- 百度网盘资料：
链接：[https://pan.baidu.com/s/1ziq8s_kj5QpM8eXO_d6RJg](https://pan.baidu.com/s/1ziq8s_kj5QpM8eXO_d6RJg)
提取码：g6ny
**代码实践资料：**
- 官方各模块示例(和对应的对象函数对照着看)【英文】：[https://pcl.readthedocs.io/projects/tutorials/en/latest/#](https://pcl.readthedocs.io/projects/tutorials/en/latest/#)
- 官方各模块对应的对象和函数【英文】：
- [https://pointclouds.org/documentation/modules.html](https://pointclouds.org/documentation/modules.html)
- [https://pointclouds.org/](https://pointclouds.org/) 点击网站中的12宫图，没一格对应一个模块的对象函数详解
- [黑马机器人系列文档：PCL-3D点云](http://robot.czxy.com/docs/pcl/)：[http://robot.czxy.com/docs/pcl/](http://robot.czxy.com/docs/pcl/)
- [CSDN博主系列文章PCL学习(64篇)](https://www.cnblogs.com/li-yao7758258/category/954066.html)：[https://www.cnblogs.com/li-yao7758258/category/954066.html](https://www.cnblogs.com/li-yao7758258/category/954066.html)
## Citation
If you find this project useful in your research, please consider cite:
```
@misc{pcl-learning2020,
title={A Complete Study Guide on How to Learn PCL (Point Cloud Library).},
author={Chongqing, Huang},
howpublished = {\url{https://github.com/HuangCongQing/pcl-learning}},
year={2020}
}
```
微信公众号：**【双愚】**（huang_chongqing） 聊科研技术,谈人生思考,欢迎关注~
**往期推荐：**
1. [本文不提供职业建议，却能助你一生](https://mp.weixin.qq.com/s/rBR62qoAEeT56gGYTA0law)
2. [聊聊我们大学生面试](https://mp.weixin.qq.com/s?__biz=MzI4OTY1MjA3Mg==&mid=2247484016&idx=1&sn=08bc46266e00572e46f3e5d9ffb7c612&chksm=ec2aae77db5d276150cde1cb1dc6a53e03eba024adfbd1b22a048a7320c2b6872fb9dfef32aa&scene=178&cur_album_id=2253272068899471368#rd)
3. [清华大学刘知远：好的研究方法从哪来](https://mp.weixin.qq.com/s?__biz=MzI4OTY1MjA3Mg==&mid=2247486340&idx=1&sn=6c5f69bb37d91a343b1a1e7f6929ddae&chksm=ec2aa783db5d2e95ba4c472471267721cafafbe10c298a6d5fae9fed295f455a72f783872249&scene=178&cur_album_id=1855544495514140673#rd)
### License
Copyright (c) [双愚](https://github.com/HuangCongQing/pcl-learning). All rights reserved.
Licensed under the [MIT](./LICENSE) License.
PLus: 创建了一个知识星球 **【自动驾驶感知(PCL/ROS+DL)】** 专注于自动驾驶感知领域，包括传统方法(PCL点云库,ROS)和深度学习（目标检测+语义分割）方法。同时涉及Apollo，Autoware(基于ros2)，BEV感知，三维重建，SLAM(视觉+激光雷达) ，模型压缩（蒸馏+剪枝+量化等），自动驾驶模拟仿真，自动驾驶数据集标注&数据闭环等自动驾驶全栈技术，欢迎扫码二维码加入，一起登顶自动驾驶的高峰！
**最后，如果您想要支持我的工作，请扫描下面的二维码**
