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?
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
- pandas - 从 Zip Link Pandas 读取多个文件
- python - 我在使用此代码时遇到问题,虽然它可以工作但不是我想要的方式
- amazon-web-services - Amazon Rekognition:如何在导入数据集时为单个图像设置多个标签
- postgresql - Debezium PostgresConnector 实例化主题,因为表中没有数据
- rust - 有没有办法在同一个主目录中同时启动 tonic gRPC 和 actix Web 应用程序?
- javascript - Laravel 将字符串变量转换为 jQuery
- azure-data-factory-2 - 有没有办法将月份和年份组合在一个列中,并将城市添加为单独的列?
- android - 使用 Retrofit2(kotlin) 的 CURL 请求
- flutter - 如何手动将包(不是我的)迁移到空安全
- azure - Azure 应用程序网关 - 创建基于路径的主页规则