这是Pcl1.8教程，读取P点，获取PCD，滤波，可视化

PCL教程，获取PCD文件，点云滤波，可视化等

//#include 
//#include 
//#include 
//#include 
//#include 
//
//int main（int argc char**argv）
//{
//	srand（time（NULL））;
//	// 创建一个PointCloudboost共享指针并进行实例化
//	pcl::PointCloud::Ptr cloud（new pcl::PointCloud）;
//	//点云生成
//	cloud->width = 1000;
//	cloud->height = 1;
//	cloud->points.resize（cloud->width * cloud->height）;
//	for （size_t i = 0; i < cloud->points.size（）; ++i）
//	{
//		cloud->points[i].x = 1024.0f* rand（） / （RAND_MAX + 1.0f）;
//		cloud->points[i].y = 1024.0f* rand（） / （RAND_MAX + 1.0f）;
//		cloud->points[i].z = 1024.0f* rand（） / （RAND_MAX + 1.0f）;
//	}
//	pcl::KdTreeFLANNkdtree; // 创建kd-tree对象
//	kdtree.setInputCloud（cloud）;           // 设置搜索空间
//	// 定义查询点并赋随机值
//	pcl::PointXYZ searchPoint;
//	searchPoint.x = 1024.0f* rand（） / （RAND_MAX + 1.0f）;
//	searchPoint.y = 1024.0f* rand（） / （RAND_MAX + 1.0f）;
//	searchPoint.z = 1024.0f* rand（） / （RAND_MAX + 1.0f）;
//	// k近邻搜索
//	int K = 10;
//	std::vectorpointIdxNKNSearch（K）;          // 存储查询点近邻索引
//	std::vectorpointNKNSquaredDistance（K）;  // 存储近邻点对应距离平方
//	std::cout << “K nearest neighbor search at （“ << searchPoint.x
//		<< “ “ << searchPoint.y
//		<< “ “ << searchPoint.z
//		<< “） with K=“ << K << std::endl;
//	// 执行k近邻搜索
//	if （kdtree.nearestKSearch（searchPoint K pointIdxNKNSearch pointNKNSquaredDistance） > 0）
//	{   // 打印出所有近邻坐标
//		for （size_t i = 0; i < pointIdxNKNSearch.size（）; ++i）
//			std::cout << “    “ << cloud->points[pointIdxNKNSearch[i]].x
//			<< “ “ << cloud->points[pointIdxNKNSearch[i]].y
//			<< “ “ << cloud->points[pointIdxNKNSearch[i]].z
//			<< “ （squared distance: “ << pointNKNSquaredDistance[i] << “）“ << std::endl;
//	}
//	// 在半径r内搜索近邻
//	std::vector pointIdxRadiusSearch;           // 存储近邻索引
//	std::vector pointRadiusSquaredDistance;   // 存储近邻对应的距离平方
//	float radius = 256.0f* rand（） / （RAND_MAX + 1.0f）;
//	std::cout << “Neighbors within radius search at （“ << searchPoint.x
//		<< “ “ << searchPoint.y
//		<< “ “ << searchPoint.z
//		<< “） with radius=“ << radius << std::endl;
//	if （kdtree.radiusSearch（searchPoint radius pointIdxRadiusSearch pointRadiusSquaredDistance） > 0）
//	{  // 如果kd-tree对象在指定半径内返回多于0个近邻，它将打印输出向量中存储的点的坐标与距离
//		for （size_t i = 0; i < pointIdxRadiusSearch.size（）; ++i）
//			std::cout << “    “ << cloud->points[pointIdxRadiusSearch[i]].x
//			<< “ “ << cloud->points[pointIdxRadiusSearch[i]].y
//			<< “ “ << cloud->points[pointIdxRadiusSearch[i]].z
//			<< “ （squared distance: “ << pointRadiusSquaredDistance[i] << “）“ << std::endl;
//	}
//	return 0;
//}

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2853  2016-11-21 14:52  新建文件夹\kd-tree\kdtree_search.cpp

     文件       2586  2016-11-23 11:14  新建文件夹\kd-tree\octree_change_detection.cpp

     文件       3432  2016-11-23 10:59  新建文件夹\kd-tree\octree_search.cpp

     文件       2546  2016-11-21 14:52  新建文件夹\kd-tree\源.cpp

     文件       1374  2016-12-07 11:04  新建文件夹\可视化\cloud_viewer.cpp

     文件      12935  2016-12-07 10:44  新建文件夹\可视化\pcl_visualizer_demo.cpp

     文件       5994  2016-11-23 17:07  新建文件夹\可视化\range_image_visualization.cpp

     文件       1754  2016-12-07 10:33  新建文件夹\滤波\1-Passthrough.cpp

     文件       1603  2016-12-07 15:56  新建文件夹\滤波\2-VoxelGrid.cpp

     文件       2011  2016-12-07 15:23  新建文件夹\滤波\3-StatisticalRemoval.cpp

     文件       2105  2016-12-14 11:21  新建文件夹\滤波\4-ProjectInliers.cpp

     文件       3454  2016-12-07 15:52  新建文件夹\滤波\5-ExtractIndices.cpp

     文件       2700  2016-12-07 17:12  新建文件夹\滤波\6-RemoveOutliers.cpp

     文件       3219  2016-11-18 11:16  新建文件夹\输入输出\concatenate_clouds.cpp

     文件        794  2016-11-17 16:32  新建文件夹\输入输出\pcd_read.cpp

     文件        931  2016-11-18 11:29  新建文件夹\输入输出\pcd_write.cpp

     目录          0  2016-12-16 14:40  新建文件夹\kd-tree

     目录          0  2016-12-16 14:40  新建文件夹\可视化

     目录          0  2016-12-16 14:39  新建文件夹\滤波

     目录          0  2016-12-16 14:40  新建文件夹\输入输出

     目录          0  2016-12-16 14:40  新建文件夹

----------- ---------  ---------- -----  ----

                50291                    21