pcl-learning

pcl

PCL（Point Cloud Library）点云库 个人开发环境：Ubuntu18.04

• 如有疑问，微信：shuangyu_ai

  • Plus: 可承接点云处理相关项目，欢迎私聊
  • 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)

• 【本仓库测试pcd数据】

墙裂建议先看下：PCL(Point Cloud Library)学习指南&资料推荐

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（最新）

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
  • 需要学习ROS：https://github.com/HuangCongQing/ROS

@双愚 , 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

• 【本仓库测试pcd数据】

• 00base

step1（must）

• * 08 io 输入输出 [doc]
• * 09 filters 滤波 [doc]
• * 10 features 特征 [doc]

step2

• * 02kdtree k维tree [doc]
• * 03octree 八叉树 [doc]
• * 04search: [doc]
• 05sample consensus 抽样一致性模块 [doc]
• 06range-images深度图像 [doc]

step3（根据个人需要）

• 11 surface表面 [doc]
• 12 segmentation分割 [doc]
• 13 recognition识别 [doc]
• 14 registration配准 [doc]
• * 15 visualization可视化 [doc]
• 16 keypoints关键点 [doc]
• 07tracking跟踪 [doc]

编译过程

mkdir build
cd build
cmake .. // 对上一级进行编译
make  // 生成可执行文件
./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
• 点云库PCL学习教程书籍每章总结：https://github.com/MNewBie/PCL-Notes
• 百度网盘资料：

链接：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/#
• 官方各模块对应的对象和函数【英文】：
  • https://pointclouds.org/documentation/modules.html
  • 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/
• CSDN博主系列文章PCL学习(64篇)：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}
}

欢迎交流

后续会根据逐步完善，欢迎大家提出宝贵意见，也欢迎大家提issue pr，还有star⭐️。

可以领取优惠加入星球使劲向我提问哈~

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！

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
2. 聊聊我们大学生面试
3. 清华大学刘知远：好的研究方法从哪来

最后，如果您想要支持我的工作，请扫描下面的二维码

License

Copyright (c) 双愚. All rights reserved.

Licensed under the MIT License.