一文搞懂PCL中自定义点云类型的构建与函数使用

上周猛男快乐开发时遇到个bug，要用pcl的函数对自定义的点云进行处理。一起解决问题时遇到了很多问题，解决后整理出来分享给各位参考，以免踩一样的坑😊。文章中自定义的点我用PointT来表示，自定义点云一般指的是pcl::PointCloud<PointXYZITNormalVelocity> cloud。

（修这个bug真的烧了很多脑子🧠）

文章目录

1. 构造自定义PointT类型
2. 用PCL的函数处理自定义点云
3. 解决PCL和OpenCV同时使用导致的"no member named 'serialize' "问题
4. 小结

1. 构造自定义PointT类型

为了涵盖日常开发中可能使用的点的类型，PCL中已经定义了很多种数据类型。因此在确定要构造自定义类型时，可以先去头文件pcl/impl/point_types.hpp里查看下是否有满足自己需求的点类型。

利用下面这个模板可以完成自定义PointT类型的定义，其中EIGEN_ALIGN16和PCL_MAKE_ALIGNED_OPERATOR_NEW切记要加上。PCL中大量利用SSE指令集来加速，所以内存对齐是很必要的。

struct EIGEN_ALIGN16 _PointT // EIGEN_ALIGN16表示16字节对齐，[必须项]
{// 添加自定义点内部的字段信息  PCL_ADD_RGB;// ...// 必须项，确保内存正确对其，旧版本是EIGEN_MAKE_ALIGNED_OPERATOR_NEW PCL_MAKE_ALIGNED_OPERATOR_NEW
};struct EIGEN_ALIGN16 PointT: public _PointT
{// 参考下面的方式补充构造参数，当输入参数是constexpr，那么产生的对象的所有成员都是constexpr。// inline constexpr PointT (/*输入参数列表*/): /*初始化参数列表*/ {}// 重载运算符 <<，这样就可以通过std::cout << point 来查看点的信息。friend std::ostream& operator << (std::ostream& os, const PointT& p);PCL_MAKE_ALIGNED_OPERATOR_NEW
};// 点云注册，这里的字段名影响PointCloud<PointT>等相关函数的拷贝、保存或加载功能。
POINT_CLOUD_REGISTER_POINT_STRUCT (_PointT,// 输入要注册的字段名，比如// (float, x, x)// (float, vx, vx)
)
POINT_CLOUD_REGISTER_POINT_WRAPPER(PointT, _PointT)

基于这个模板，我们来定义一个点PointXYZITNormalVelocity，其包含位置、法向、强度、速度、时间信息。

第一步：定义基础类 _PointXYZITNormalVelocity。在添加字段时，参考如下规则：
- 每组信息，满足16字节的优先构建。比如位置，法向，速度，这些数据组。其他信息比如强度，时间等放在后面定义。
- 尽可能利用PCL提供的数据组构建方式。PCL中提供的数据组构建方式列举如下，一般16字节的数据组，都有个float [4]来填充，这个对应的字段名在定义的时候要记得防止冲突。切记：尽可能使用已有的，且不要尝试往字段的预留区域添加信息，比如位置信息PCL_ADD_POINT4D这个，pcl在做点云运算时，可能会将第四个字节也就是data[3]这里赋值为0或1来加速运算。
  - PCL_ADD_POINT4D [16字节]：定义字段float x,y,z。16字节对应的字段名为float data[4]
  - PCL_ADD_NORMAL4D [16字节]：定义字段float normal_x, normal_y, normal_z，或者可以通过字段float normal[3]来访问。16字节对应的字段名为float data_n[4]
  - PCL_ADD_RGB：定义字段uint8_t b, g, r, a，或者可以通过字段uint32_t rgba来访问。
  - PCL_ADD_INTENSITY：定义字段float intensity。
  - PCL_ADD_INTENSITY_8U：定义字段uint8_t intensity。
  - PCL_ADD_INTENSITY_32U：定义字段uint32_t intensity。

基于上述信息，对应定义代码如下：

struct EIGEN_ALIGN16 _PointXYZITNormalVelocity
{PCL_ADD_POINT4D; // XYZ [16 bytes]PCL_ADD_NORMAL4D; // normal [16 bytes]union // Velocity [16 bytes]{float data_v[4];float velocity[3];struct{float v_x;float v_y;float v_z;};};PCL_ADD_INTENSITY;double time;
};

第二步：构造最终点云类型PointXYZITNormalVelocity。
- 完善构造函数，补充几种可能用到的赋值情况。至少得定义个所有字段得赋值方式。
- 补充运算符<<的重载。

struct EIGEN_ALIGN16 PointXYZITNormalVelocity: public _PointXYZITNormalVelocity
{// 几种可能用得到的构造函数，根据需求来定义即可inline constexpr PointXYZITNormalVelocity (const _PointXYZITNormalVelocity &p) :PointXYZITNormalVelocity {p.x, p.y, p.z, p.normal_x, p.normal_y, p.normal_z, p.v_x, p.v_y, p.v_z, p.intensity, p.time} {}inline constexpr PointXYZITNormalVelocity (float _x, float _y, float _z, float _nx, float _ny, float _nz,float _vx, float _vy, float _vz, float _intensity = 0.f, double _time = 0.0) :_PointXYZITNormalVelocity{{{_x, _y, _z, 1.0f}}, {{_nx, _ny, _nz, 0.0f}}, {{_vx, _vy, _vz}}, _intensity, _time} {}inline constexpr PointXYZITNormalVelocity (float _x, float _y, float _z):PointXYZITNormalVelocity (_x, _y, _z, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f, 0.0f) {}inline constexpr PointXYZITNormalVelocity (float _x, float _y, float _z,float _vx, float _vy, float _vz):PointXYZITNormalVelocity (_x, _y, _z, 0.0f, 0.0f, 0.0f, _vx, _vy, _vz) {}// 运算符重载friend std::ostream& operator << (std::ostream& os, const PointXYZITNormalVelocity& p){os << "(" << "xyz: [" << p.x << "," << p.y << "," << p.z << "], ";os << "v: [" << p.v_x << "," << p.v_y << "," << p.v_z << "], ";os << "int: " << p.intensity << ", time: " << p.time << ")";return (os);}PCL_MAKE_ALIGNED_OPERATOR_NEW
};

第三步：注册点云。这步是最简单得了，把所有需要用的字段按序注册即可。

POINT_CLOUD_REGISTER_POINT_STRUCT (_PointXYZITNormalVelocity,(float, x, x)(float, y, y)(float, z, z)(float, normal_x, normal_x)(float, normal_y, normal_y)(float, normal_z, normal_z)(float, v_x, v_x)(float, v_y, v_y)(float, v_z, v_z)(float, intensity, intensity)(double, time, time)
)
POINT_CLOUD_REGISTER_POINT_WRAPPER(PointXYZITNormalVelocity, _PointXYZITNormalVelocity)

2. 用PCL的函数处理自定义点云

PCL很多函数是模板函数，但我们在使用PCL库时，动态库里面封装好的是预定义的点云类型的实现。任何用户代码都不需要编译模板化代码，从而加快了编译时间。

基于上述的定义方式，我们已经得到了一个点云pcl::PointCloud<PointXYZITNormalVelocity>::Ptr cloud。如果我们想直接调用函数
pcl::CropBox<PointXYZITNormalVelocity> crop时，会出现类似undefined reference to 'pcl::PCLBase<PointXYZITNormalVelocity>::setInputCloud(std::shared_ptr<pcl::PointCloud<PointXYZITNormalVelocity> const> const&)'的错误。

我分析了下代码细节，发现我们include的头文件里面的函数尽管是模板函数，但是函数实现部分并没有提供。函数细节对应的头文件放置在impl文件夹下。在include的头文件的最后，有个关键代码，即如果你没有定义PCL_NO_PRECOMPILE的话，编译代码时是无法获取函数的实现部分的，这也就会导致编译时出现undefined reference的问题。

在这里插入图片描述

知道了原因，解决起来就非常容易了，最好的办法是在项目的CMakeLists.txt里面添加add_definitions(-DPCL_NO_PRECOMPILE)。当然，如果项目不大的话也可以pcl头文件的前面添加#define PCL_NO_PRECOMPILE。

除此之外，为了提高编译速度，我们还需要在定义点云的头文件的后面，跟上所使用函数的模板类显式实例化声明。（模板隐式实例化没啥问题，但会导致每个cpp编译时，文件较大，尽管link时候会删除，但会影响编译速度）

以我们要使用的pcl::CropBox为例，假如我们定义的点云放在头文件custom_types.h中，那么我们在该文件的末尾添加目标函数的实例化声明：template class pcl::CropBox<PointXYZITNormalVelocity>;。这样在实例化一次后，其他cpp引用这个无需重复实例化。

PS：各位对显示/隐式实例化感兴趣的可以参考另一个人的博客《C++11模板隐式实例化、显式实例化声明、定义》。

3. 解决PCL和OpenCV同时使用导致的"no member named ‘serialize’ "问题

再解决自定义点云的使用之后，编译项目时又出现了error: 'class std::unordered_map<unsigned int, std::vector<unsigned int>>' has no member name 'serialize'的错误。
在这里插入图片描述

经过大量的查阅资料，才搞懂问题原因，PCL和OpenCV都基于flann这个库，这个库
opencv是连接自己的flann库，而pcl是连接的系统的pcl库。
在这里插入图片描述

如果想正常编译，在调用pcl时必须得让USE_UNORDERED_MAP这个值为0。由于先调用的opencv，然后调用了pcl的库，进而触发了这个bug。

解决办法也很简单，在出问题的pcl头文件前，强行定义#define USE_UNORDERED_MAP 0即可（有的人是定义为1解决的，实际使用时候可以试试）。当然最优的办法是自己调整好头文件调用方式，把opencv和pcl的调用尽可能分开，然后在cpp里调用。但这样成本比较高，我们还是等待opencv优化下这个问题吧😆。
在这里插入图片描述
此外，我研究了下__GXX_EXPERIMENTAL_CXX0X__这个宏的来源。在Common-Predefined-Macros这里找到了对这个宏的说明。就是当编译时使用了c++11的特征时，即除了-std=C++98和-std=gnu++98之外，这个宏就会被定义。这个宏已经过时了，在GCC 4.7.0中定义了__cplusplus宏，因此相关的代码最好用__cplusplus>=201103L这个方式来处理。
在这里插入图片描述