PCL 是什么：概念与核心术语
一、PCL 是什么：概念与核心术语
PCL 是 Point Cloud Library，一个专门做三维点云处理的开源 C++ 库。它把点云领域多年积累的算法整理成模块：滤波、特征提取、分割、配准、曲面重建、识别、文件读写、空间搜索。你想把一帧激光雷达数据降采样、去掉地面、把散堆的工件一个个分出来、再算出每个工件相对模板的位姿，这些步骤在 PCL 里都有现成的实现。
它解决的问题是「三维数据没有像 OpenCV 之于二维图像那样的标准工具箱」。没有 PCL，每个项目都要自己写 KD 树、自己实现 RANSAC、自己处理点云格式，重复劳动且容易出错。
与相邻方案的区别
| 方案 | 语言与生态 | 特点 |
|---|---|---|
| PCL | C++，有 ROS 集成 | 算法最全，模板化带来性能优势，也带来编译慢、上手门槛高的问题 |
| Open3D | Python 优先 | API 友好、可视化好、带深度学习模块，科研与快速原型更顺手 |
| ROS 自带的 pcl_ros / pcl_conversions | C++ | 只做消息与点云类型之间的转换，算法仍来自 PCL |
| 自研处理链 | 任意 | 只处理特定传感器与特定场景时可行，通用性差 |
核心术语表
| 术语 | 含义 | 说明 |
|---|---|---|
| 点云 Point Cloud | 一组带坐标的点，可能还带颜色、法线、强度 | 常见类型有 PointXYZ、PointXYZRGB、PointNormal 等 |
| PCD | PCL 的原生文件格式 | 分 ASCII 与二进制两种存储方式 |
| 体素降采样 VoxelGrid | 把空间切成小立方体，每格用一个点代表 | 最常用的提速手段，格子边长直接决定后续算法的输入密度 |
| 直通滤波 PassThrough | 按某个坐标轴的范围裁剪 | 去掉远处背景、划分工作区间 |
| RANSAC | 随机采样一致性，用来拟合平面、圆柱等模型 | 地面分割、平面提取的主力 |
| 欧式聚类 | 按点间距离把点云分成若干簇 | 散堆工件分割的常用手段 |
| KD 树 / 八叉树 | 空间索引结构 | 近邻查询的基础，建树本身有开销 |
| 法线估计 | 为每个点估计局部法向量 | 配准与特征描述子的前置步骤 |
| 配准 Registration | 求两个点云之间的变换 | ICP、GICP、NDT 是三种常见路线 |
| 适应度 Fitness | 配准后对应点的平均距离 | 判断配准结果好坏的核心指标 |
