时间戳

首页 > 解决方案 > 在点云库 (PCL) 中使用自定义点类型的问题

c++ - 在点云库 (PCL) 中使用自定义点类型的问题

问题描述

我在尝试使用 PCL 注册两个点云时遇到了一个问题。我没有使用提供的 PointT，而是使用自定义点类型并按照教程（http://www.pointclouds.org/documentation/tutorials/adding_custom_ptype.php#adding-custom-ptype）。但是，当我在 VS2019 中编译代码时，它失败了。我还尝试了这篇文章（PCL 为所有函数实例化新点类型）。它也没有工作。

这是点的定义

#ifndef PCL_NO_PRECOMPILE
#define PCL_NO_PRECOMPILE
#endif
#include <iostream>
#include <pcl/pcl_macros.h>
#include <pcl/point_types.h> 
#include <pcl/impl/point_types.hpp>
#include <pcl/impl/instantiate.hpp>
#include <pcl/point_cloud.h>
#include <pcl/impl/point_types.hpp>
#include <pcl/common/transforms.h>
#include <pcl/common/impl/transforms.hpp>
#include <pcl/registration/icp.h>
#include <pcl/registration/impl/icp.hpp>
#include <pcl/features/fpfh.h>
#include <pcl/features/impl/fpfh.hpp>
#include <pcl/features/pfh.h>
#include <pcl/features/impl/pfh.hpp>
#include <pcl/registration/ia_ransac.h>
#include <pcl/registration/impl/ia_ransac.hpp>
#include <pcl/features/normal_3d.h>
#include <pcl/features/impl/normal_3d.hpp>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/kdtree/impl/kdtree_flann.hpp>
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/impl/voxel_grid.hpp>
#include <pcl/filters/approximate_voxel_grid.h>
#include <pcl/filters/impl/approximate_voxel_grid.hpp>
#include <Eigen/Core>
struct dPointXYZ {
        double x;
        double y;
        double z;
};
POINT_CLOUD_REGISTER_POINT_STRUCT(dPointXYZ,
(double, x, x)
(double, y, y)
(double, z, z)
)
PCL_INSTANTIATE(VoxelGrid, dPointXYZ);
PCL_INSTANTIATE(NormalEstimation, dPointXYZ);
PCL_INSTANTIATE(KdTree, dPointXYZ);
PCL_INSTANTIATE(FPFHEstimation,dPointXYZ);
PCL_INSTANTIATE(SampleConsensusInitialAlignment, dPointXYZ)

这是自定义点类型的使用方法

void voxelFilteringPoints(pcl::PointCloud<pcl::dPointXYZ>::Ptr& ProjPoint, pcl::PointCloud<pcl::dPointXYZ>::Ptr& filteredPoints, float dGridSize)
{

    pcl::VoxelGrid<pcl::dPointXYZ> ApproximateVoxelGrid;
    ApproximateVoxelGrid.setLeafSize(dGridSize, dGridSize, dGridSize);
    ApproximateVoxelGrid.setInputCloud(ProjPoint);
    ApproximateVoxelGrid.filter(*filteredPoints);
    //std::cout<<"Filtered points size: "<<*filteredPoints<<std::endl;
}

pcl::PointCloud<dNormal>::Ptr computeNormals(pcl::PointCloud<dPointXYZ>::Ptr& ProjPoint, double dNormalsRadius)
{
    pcl::PointCloud<dNormal>::Ptr NormalsPtr(new pcl::PointCloud<dNormal>());
    pcl::NormalEstimation<dPointXYZ, dNormal> NormEstimate;
    NormEstimate.setInputCloud(ProjPoint);

    NormEstimate.setRadiusSearch(dNormalsRadius);
    pcl::search::KdTree<dPointXYZ>::Ptr PtrSearchMethod(new pcl::search::KdTree<dPointXYZ>);
    NormEstimate.setSearchMethod(PtrSearchMethod);

    NormEstimate.compute(*NormalsPtr);
    //std::cout<<"Normals size: "<<*NormalsPtr<<std::endl;
    return NormalsPtr;
}

pcl::PointCloud<pcl::FPFHSignature33>::Ptr getFPFHFeatures(pcl::PointCloud<dPointXYZ>::Ptr& ProjCloud, pcl::PointCloud<dNormal>::Ptr& ProjNormals, double dFeatureRadius)
{
    pcl::PointCloud<pcl::FPFHSignature33>::Ptr FPFHFeatures(new pcl::PointCloud<pcl::FPFHSignature33>());
    //std::cout<<"FPFH size: "<<FPFHFeatures<<std::endl;
    pcl::search::KdTree<dPointXYZ>::Ptr PtrSearchMethod(new pcl::search::KdTree<dPointXYZ>);

    pcl::FPFHEstimation<dPointXYZ, dNormal, pcl::FPFHSignature33> FPFHEstimate;
    FPFHEstimate.setInputCloud(ProjCloud);
    FPFHEstimate.setInputNormals(ProjNormals);

    FPFHEstimate.setSearchMethod(PtrSearchMethod);
    FPFHEstimate.setRadiusSearch(dFeatureRadius);
    FPFHEstimate.compute(*FPFHFeatures);
    return FPFHFeatures;
}
pcl::SampleConsensusInitialAlignment<dPointXYZ,dPointXYZ, pcl::FPFHSignature33> alignFPFH(pcl::PointCloud<dPointXYZ>::Ptr& ProjPoint1,
    pcl::PointCloud<dPointXYZ>::Ptr& ProjPoint2, pcl::PointCloud<pcl::FPFHSignature33>::Ptr& FPFHProjFeatures1,
    pcl::PointCloud<pcl::FPFHSignature33>::Ptr& FPFHProjFeatures2, int iMaxIterations, double dMinDist, double dMaxDist)
{

    pcl::SampleConsensusInitialAlignment<dPointXYZ, dPointXYZ, pcl::FPFHSignature33> SCIA;
    Eigen::Matrix4f transMatrix;
    SCIA.setInputCloud(ProjPoint2);
    SCIA.setSourceFeatures(FPFHProjFeatures2);
    SCIA.setInputTarget(ProjPoint1);
    SCIA.setTargetFeatures(FPFHProjFeatures1);
    SCIA.setMaximumIterations(iMaxIterations);
    SCIA.setMinSampleDistance(dMinDist);
    SCIA.setMaxCorrespondenceDistance(dMaxDist);
    pcl::PointCloud<dPointXYZ> registeredCloud;
    SCIA.align(registeredCloud);
    SCIA.getCorrespondenceRandomness();
    return SCIA;
}

编译器指示已定义类模板。错误 C2953 'pcl::detail::Transformer': 类模板已定义 C:\Program Files\PCL_1.9.1\include\pcl-1.9\pcl\common\impl\transforms.hpp 89

错误 C2995 'void pcl::transformPointCloud(const pcl::PointCloud &,pcl::PointCloud &,const Eigen::Transform &,bool)': 函数模板已定义 C:\Program Files\PCL_1.9.1\include \pcl-1.9\pcl\common\impl\transforms.hpp 215

错误 C2995 'void pcl::transformPointCloud(const pcl::PointCloud &,const std::vector> &,pcl::PointCloud &,const Eigen::Transform &,bool)'：已定义函数模板

我知道我可以通过标准化点来简单地使用浮点类型，但我想尝试自定义点类型。您对如何解决问题有任何想法吗？

标签： c++registrationpoint-cloud-library

解决方案

似乎PCL_NO_PRECOMPILE需要在包含任何 PCL 头文件之前进行定义。从“模板已定义”错误来看。

检查您的 .cpp 文件，例如在 main.cpp

#define PCL_NO_PRECOMPILE // !! BEFORE ANY PCL INCLUDE!!

#include <pcl/....h>
#include "your_file_that_shows_how_the_custom_point_type_is_used.h"

int main(){...}

推荐阅读