《点云库PCL学习教程》 第1章 概述概要1.pptxVIP

第1章 概述;简介;概述;类产品，正在形成基于RGBD的新一代机器视觉生态链 ， PCL（Point Cloud Library）应运而生。PCL是在吸收了前人点云相关研究基础上建立起来的跨平台开源库，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行，它实现了大量通用算法和数据结构，涉及点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等基础模块以及人体骨骼识别提取、动作跟踪识别等应用，并且新的其他应用正在大量增加。如果说OpenCV是2D信息获取与处理的结晶，那么PCL就在3D信息获取与处理上具有同等地位。笔者深信随着各大厂商对RGBD设备的大力推出，基于此设备的各种应用将会大量涌现，而PCL不仅是这类应用的核心关键技术，而且基于它进行扩展，将会极大地提高应用系统开发效率和稳定;性。 三维信息的获取与处理是笔者所在研究团队的重要方向之一，在农业对象的三维信息获取与重建、虚拟农业等领域不断探索新的获取技术和处理方法，在2011年7月发现了OpenCV的姐妹PCL及其网站的RSS更新，时刻关注PCL在3D信息获取和处理方面的新动向，并与PCL结缘。在跟踪过程中发现，PCL对RGBD数据的获取和处理提供了强大支持，并有大量的机器人、虚拟现实、人机交互、机器视觉等领域的应用案例，目前几乎每半个月就有新的开发计划，或者有新的资助者或开发者加入。加入PCL开发的团队来自包括全球的AIST，UC Berkeley，University of Bonn，University of British Columbia，ETH Zurich等等。同时我们团队已经把PCL作为开发出实际应用的基础平台，用于跨平台支持嵌;入式设备的3D农业信息获取与处理的基础库。目前PCL正在快速成长阶段，国内外尚无相关的中英文系统学习书籍，鉴于此，经过团队讨论，把我们学习和开发应用期间整理的资料与国内读者一起分享，加快PCL在其他各行业中的应用，推动3D信息快速获取与处理的发展。 PCL的潜在读者群： 机器人研究或应用开发者 机器视觉的研究或应用开发者。 人机交互研究或应用开发者。 交互式体感游戏开发者。 虚拟现实研究或应用开发者。 CAD/CAM和逆向工程工作者。 工业自动化测量、检测领域的研究或应用开发者。 激光雷达遥感的研究或应用开发者。 ;本书概况;及编程规范，为读者使用PCL做好前期准备工作。 第二部分为模块篇从第4章到第15章，着重讲解PCL各个模块中涉及的3D点云处理的概念、模块API、实例应用。每章结构都是先简单介绍本章涉及的相关概念，再重点介绍一些模块相关的类和函数，最后分析几个典型的模块应用实例，让读者不需要太多点云处理基础，也能轻松掌握PCL各个功能模块。第二部分涵盖点云获取、滤波、分割、配置、检索、特征提取、识别、追踪、曲面重建、可视化等全部已基本定型的模块，骨骼识别与跟踪模块还正在开发，本书未包含。 第三部分是综合应用篇第16章，通过基于PCL的典型应用案例进行介绍，让读者进一步能够体验PCL的强大，同时了解一些虚拟现实和人机交互领域的新事物。 光盘收集PCL1.51的开发资源及本书中涉及的实例程序和数据。;PCL版本 PCL的发布更新以1.5X的小版本号来表示，本书针对的是1.51版本。PCL正在不断开发和完善中，但基本架构和设计思路基本确定，相信读者对本书介绍了解之后，对其他版本就轻车熟路了。请参照网站地址：/trunk/modules.html。 虽然本书中参考所用的API文档，仍然在不断更新新的类、函数，但模块基本确定，不会对PCL的理解产生困难。 ;源代码 本书的所有源代码和工程文件大多数整理来自于PCL官方网站，都以BSD（Berkeley Software Distribution）许可协议或者（CCA）Creative Commons Attribution3.0的形式发布，读者可以自由使用和分享，如果需要应用于商业领域，请注明版权所有者。;目录;本章各小节目录;1.1 什么是PCL;1.2 PCL的发展与创景;1.3 PCL的潜在应用领域;1.3.1 机器人领域 移动机器人对其工作环境的有效感知、辨识与认知，是其进行自主行为优化并可靠完成所承担任务的前提和基础。如何实现场景中物体的有效分类与识别是移动机器人场景认知的核心问题，目前基于视觉图像处理技术来进行场景的认知是该领域的重要方法。但移动机器人在线获取的视觉图像质量受光线变化影响较大，特别是在光线较暗的场景更难以应用，随着RGBD获取设备的大量推广，在机器人领域势必掀起一股深度信息结合2D信息的应用研究热潮，深度信息的引入能够使机器人更好地对环境进行认知、辨识，与图像信息在机器人领域的应用一样，需要强大智能