PCL（Point Cloud Library）点云库 个人开发环境：Ubuntu18.04
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（2023）
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
本人创建星球 【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！
相关项目实战:
@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/#
- GitHub：https://github.com/PointCloudLibrary/pcl
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)
*建议必学
- 11 surface表面
- 12 segmentation分割
- 13 recognition识别
- 14 registration配准
- 15 visualization可视化
- 16 keypoints关键点
- 07tracking跟踪
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)
- 3D点云目标检测&语义分割-SOTA方法,代码,论文,数据集等
- 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
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：
Copyright (c) 双愚. All rights reserved.
Licensed under the MIT License.
PLus: 本人创建星球 【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
