第76章：PCL：集成PCL点云库

点云处理，说白了就是让计算机理解三维世界。PCL（Point Cloud Library）是目前最流行的开源点云库之一。我最早接触PCL是在做机器人导航项目时，当时需要处理激光雷达的数据，嗯，那会儿真是被编译折腾得够呛。

这一章，我就带你搞定PCL的CMake集成。咱们不搞花架子，直接上干货。

为什么需要PCL？

你想想看，如果你要处理三维点云数据，从滤波、分割到配准、识别，自己从头写？那得写到猴年马月去。PCL把这些都封装好了，你只需要调用API就行。

我个人习惯把PCL看作「三维世界的OpenCV」。它提供了：

• 点云数据的读写（PCD、PLY等格式）
• 滤波算法（直通滤波、体素滤波、统计滤波）
• 特征提取（法线、PFH、FPFH等）
• 点云配准（ICP、NDT等）
• 分割算法（RANSAC、欧式聚类等）

PCL的模块结构

PCL不是一个大而全的库，它分了很多子模块。我在项目中遇到过最头疼的事，就是不知道到底该链接哪个模块。下面这张图帮你理清关系：

CMake集成PCL的标准姿势

PCL官方提供了CMake配置文件，用find_package就能搞定。但这里有个坑——PCL依赖很多第三方库，比如Boost、Eigen、FLANN、VTK等。我曾经在Ubuntu 18.04上折腾了一下午，就是因为VTK版本不兼容。

先看一个最基础的CMakeLists.txt：

cmake_minimum_required(VERSION 3.10)
project(pcl_demo)

# 设置C++标准
set(CMAKE_CXX_STANDARD 14)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

# 找PCL - 这里指定了需要的组件
find_package(PCL REQUIRED COMPONENTS
    common
    io
    filters
    segmentation
    visualization
)

# 如果没找到，直接报错
if(NOT PCL_FOUND)
    message(FATAL_ERROR "PCL not found! 请先安装PCL库")
endif()

# 包含头文件
include_directories(${PCL_INCLUDE_DIRS})

# 添加可执行文件
add_executable(pcl_demo main.cpp)

# 链接PCL库
target_link_libraries(pcl_demo ${PCL_LIBRARIES})

实战：点云滤波示例

光说不练假把式。咱们写一个实际例子：读取点云文件，做体素滤波降采样，然后保存结果。

// main.cpp
#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/filters/voxel_grid.h>

int main(int argc, char** argv) {
    // 检查参数
    if (argc != 3) {
        std::cerr << "用法: " << argv[0] 
                  << " input.pcd output.pcd" << std::endl;
        return -1;
    }

    // 创建点云对象
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(
        new pcl::PointCloud<pcl::PointXYZ>);
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_filtered(
        new pcl::PointCloud<pcl::PointXYZ>);

    // 读取点云
    if (pcl::io::loadPCDFile(argv[1], *cloud) == -1) {
        PCL_ERROR("读取点云文件失败\n");
        return -1;
    }
    std::cout << "原始点云点数: " << cloud->size() << std::endl;

    // 创建体素滤波器
    pcl::VoxelGrid<pcl::PointXYZ> sor;
    sor.setInputCloud(cloud);
    sor.setLeafSize(0.01f, 0.01f, 0.01f);  // 1cm体素
    sor.filter(*cloud_filtered);

    std::cout << "滤波后点云点数: " << cloud_filtered->size() << std::endl;

    // 保存结果
    pcl::io::savePCDFileASCII(argv[2], *cloud_filtered);
    std::cout << "结果已保存到: " << argv[2] << std::endl;

    return 0;
}

进阶：按需链接组件

有些同学喜欢图省事，直接find_package(PCL REQUIRED)不加COMPONENTS。这样会链接所有模块，编译慢不说，生成的可执行文件也大。

我建议你只链接真正用到的组件。比如上面的例子只用到了common、io和filters，那就只写这三个：

find_package(PCL REQUIRED COMPONENTS common io filters)

这样CMake只会去查找这三个模块的库文件，省时省力。

避坑指南

安装PCL的快速指南

不同平台安装方式不同，我列个表方便你参考：

平台	安装命令	备注
Ubuntu 18.04	sudo apt install libpcl-dev	默认PCL 1.8.1
Ubuntu 20.04	sudo apt install libpcl-dev	默认PCL 1.10
macOS	brew install pcl	需要先装Xcode
Windows	vcpkg install pcl	或者用预编译包

验证集成是否成功

写个简单的测试程序，编译运行看看：

# 创建构建目录
mkdir build && cd build

# 配置
cmake ..

# 编译
make -j4

# 运行（需要准备一个test.pcd文件）
./pcl_demo test.pcd output.pcd

如果一切顺利，你会看到类似这样的输出：

原始点云点数: 123456
滤波后点云点数: 23456
结果已保存到: output.pcd

点云数量大幅减少，说明体素滤波生效了。嗯，这就是PCL集成的完整流程。

记住，PCL的CMake集成核心就三步：find_package找到它，include_directories包含头文件，target_link_libraries链接库。搞懂了这三步，其他第三方库的集成思路也差不多。

---