CloudCompare是一個三維點云（網(wǎng)格）編輯和處理軟件。最初，它被設(shè)計用來對稠密的三維點云進行直接比較。它依賴于一種特定的八叉樹結(jié)構(gòu)，在進行點云對比這類任務(wù)時具有出色的性能【1】。此外，由于大多數(shù)點云都是由地面激光掃描儀采集的，CloudCompare的目的是在一臺標準筆記本電腦上處理大規(guī)模的點云——通常超過1000萬個點云。在2005年后，cloudcompare就實現(xiàn)了點云和三角形網(wǎng)格之間的比較。隨后，許多其他點云處理算法（配準、重采樣、顏色/法線向量/尺度、統(tǒng)計計算、傳感器管理、交互式或自動分割等）以及顯示增強工具（自定義顏色漸變、顏色和法向量處理，校準圖像處理、OpenGL著色器、插件等）

例如在一臺帶有雙核處理器的筆記本電腦上，計算出300萬個點到14000個三角形網(wǎng)格的距離需要10秒（筆者理解：這里是指點云到模型的配準，出現(xiàn)的誤差通過顏色的不同可視化出差別）

CloudCompare二次開發(fā)編譯篇

點云與網(wǎng)格

由于CloudCompare的特定歷史，該軟件幾乎將所有的三維實體都視為點云數(shù)據(jù)進行處理。通常，三角形網(wǎng)格只是一個具有關(guān)聯(lián)拓撲的點云（網(wǎng)格頂點 the mesh vertices）（與每個三角形對應(yīng)的“連接”點的三元組）。這解釋了網(wǎng)格始終有一個名為“頂點”的點云作為同級或父級（取決于加載或生成它們的方式）。雖然CloudCompare允許用戶直接在網(wǎng)格結(jié)構(gòu)（即三角化點云）上應(yīng)用一些工具，但有些工具只能應(yīng)用于網(wǎng)格頂點。一開始可能有點令人難以理解，但我們不希望用戶忽略這一點：CloudCompare主要是一個點云處理軟件。當然，由于CloudCompare的目的是進行變化檢測（例如形變監(jiān)測），而且三角形網(wǎng)格是表示參考形狀（例如建筑物）的一種非常常見的方法，因此它非常有用，不能忽視。盡管如此，處理網(wǎng)格點云仍然是一個“次要”實例，尤其是CloudCompare能夠直接比較兩個點云，而不需要生成中間網(wǎng)格。

主要原因是：

• 三角化網(wǎng)格通常很難在真實場景中正確生成，尤其是在使用激光掃描儀（噪聲、可變密度等）掃描時

• 由于ALS/TLS點云通常非常密集（且準確），我們已經(jīng)擁有了所需的所有信息。

（筆者理解：這里說明了cloudcompare的定位是一款處理點云的軟件，盡管能處理mesh數(shù)據(jù)，但是也只能處理mesh數(shù)據(jù)中頂點的點，并且是一款用于檢測形變的點云處理軟件）

CloudCompare技術(shù)上的優(yōu)勢

便攜性

CloudCompare是在C++中開發(fā)的。它目前是在Windows、Linux和Mac操作系統(tǒng)上編譯（感謝CMake）32位和64位體系結(jié)構(gòu)。

在存儲和速度之間進行權(quán)衡

以下是關(guān)于CloudCompare中所做技術(shù)選擇的一些細節(jié)（主要是為了實現(xiàn)加載盡可能多的點而不降低太多性能的目標，即在存儲和速度之間進行良好的權(quán)衡）

• 所有存儲值和大部分計算都使用32位浮點值完成

• 防止對數(shù)組大小的任何限制（因為在32 位Windows上很難獲得大的連續(xù)內(nèi)存塊），我們使用一個自定義容器，自動將數(shù)據(jù)集分塊成小塊（每個塊64KB）。

• 法向量（如果有）壓縮到16位（實際上是15位，因為量化1的工作方式）

• CloudCompare中使用的特定八叉樹結(jié)構(gòu)需要恒定的每點內(nèi)存（即在32位操作系統(tǒng)上，每點8個字節(jié)—最大深度為10—在64位操作系統(tǒng)上為12個字節(jié)—最大深度為21！）。它基于三維點坐標的特定量化-一種Morton【2】排序方案-其中每個點在八叉樹網(wǎng)格和任何級別上的位置都由單個整數(shù)代碼表示。然后我們處理這些代碼以實現(xiàn)非常高效的最近鄰查詢操作。然而，盡管這種八叉樹結(jié)構(gòu)對于計算距離非常有效，但它不適合快速顯示（ Level Of Detail （LOD） 等）

基于以上平衡選擇的結(jié)果是CloudCompare每GB內(nèi)存可以存儲大約9000萬個空白點（只含有XYZ的意思）。如果添加RGB顏色、法線向量、單個尺度字段，并且需要計算八叉樹，則每GB最多可以加載3200萬個點。在一個64位操作系統(tǒng)上，你可以加載任意多個點（事實上多達40億）。但是，根據(jù)您的顯卡功能，顯示和交互性可能會因為這許多點而嚴重降低）。有了高端顯卡，你可以保持一個合理的幀速率高達1.5億個點。

參考文獻

1 http://en.wikipedia.org/wiki/Quantization

2 http://en.wikipedia.org/wiki/Z-order_curve

最近的進展

雖然該項目已于2004年在EDF研發(fā)部啟動，但直到2009年左右才在公共領(lǐng)域發(fā)布（根據(jù)GPL許可）。由于CloudCompare是開源項目，所以每個人都可以免費（也歡迎）擴展其功能。請不吝于提問和分享您的經(jīng)驗在論壇里【3】，并查看Github源代碼【4】。

許可證

CCLib庫（包含核心算法）的許可證是LGPL【5】版本2.0。

因此，CCLib可以集成到任何商業(yè)或非商業(yè)項目中。你只要和別人分享，就可以和作者一起修改代碼。

其他組件的許可證為GPL【6】（2.0版）：

?qCC_db（數(shù)據(jù)庫）

?qCC_io（文件I/O庫）

?qCC_gl（基于OpenGL的3D顯示庫）

?CloudCompare和ccViewer（獨立應(yīng)用程序）

因此，只有與GPL兼容（即開源但不一定意味著免費）的項目可以使用這些組件。

最新版本的用戶文檔可在以下網(wǎng)址找到：

http://www.cloudcompare.org/doc/wiki/

官方漢化步驟

http://www.cloudcompare.org/forum/viewtopic.php?f=3&t=1444

參考文獻

3 http://www.cloudcompare.org/forum

4 https://github.com/cloudcompare/trunk

5 http://www.gnu.org/licenses/lgpl-2.0.html

6 http://www.gnu.org/licenses/gpl-2.0.html

資源

三維點云論文及相關(guān)應(yīng)用分享

【點云論文速讀】基于激光雷達的里程計及3D點云地圖中的定位方法

3D目標檢測：MV3D-Net

三維點云分割綜述（上）

3D-MiniNet: 從點云中學習2D表示以實現(xiàn)快速有效的3D LIDAR語義分割（2020）

win下使用QT添加VTK插件實現(xiàn)點云可視化GUI

JSNet：3D點云的聯(lián)合實例和語義分割

大場景三維點云的語義分割綜述

PCL中outofcore模塊---基于核外八叉樹的大規(guī)模點云的顯示

基于局部凹凸性進行目標分割

基于三維卷積神經(jīng)網(wǎng)絡(luò)的點云標記

點云的超體素(SuperVoxel)

基于超點圖的大規(guī)模點云分割

更多文章可查看：點云學習歷史文章大匯總

SLAM及AR相關(guān)分享

【開源方案共享】ORB-SLAM3開源啦！

【論文速讀】AVP-SLAM：自動泊車系統(tǒng)中的語義SLAM

【點云論文速讀】StructSLAM:結(jié)構(gòu)化線特征SLAM

SLAM和AR綜述

常用的3D深度相機

AR設(shè)備單目視覺慣導(dǎo)SLAM算法綜述與評價

SLAM綜述(4)激光與視覺融合SLAM

Kimera實時重建的語義SLAM系統(tǒng)

SLAM綜述(3)-視覺與慣導(dǎo)，視覺與深度學習SLAM

易擴展的SLAM框架-OpenVSLAM

高翔：非結(jié)構(gòu)化道路激光SLAM中的挑戰(zhàn)

SLAM綜述之Lidar SLAM

基于魚眼相機的SLAM方法介紹

往期線上分享錄播匯總

第一期B站錄播之三維模型檢索技術(shù)

第二期B站錄播之深度學習在3D場景中的應(yīng)用

第三期B站錄播之CMake進階學習

第四期B站錄播之點云物體及六自由度姿態(tài)估計

第五期B站錄播之點云深度學習語義分割拓展

第六期B站錄播之Pointnetlk解讀

[線上分享錄播]點云配準概述及其在激光SLAM中的應(yīng)用

[線上分享錄播]cloudcompare插件開發(fā)

[線上分享錄播]基于點云數(shù)據(jù)的?Mesh重建與處理

[線上分享錄播]機器人力反饋遙操作技術(shù)及機器人視覺分享

[線上分享錄播]地面點云配準與機載點云航帶平差

掃描下方微信視頻號二維碼可查看最新研究成果及相關(guān)開源方案的演示：

如果你對本文感興趣，請點擊“原文閱讀”獲取知識星球二維碼，務(wù)必按照“姓名+學校/公司+研究方向”備注加入免費知識星球，免費下載pdf文檔，和更多熱愛分享的小伙伴一起交流吧！

以上內(nèi)容如有錯誤請留言評論，歡迎指正交流。如有侵權(quán)，請聯(lián)系刪除

掃描二維碼

? ? ? ? ? ? ? ? ? ?關(guān)注我們

讓我們一起分享一起學習吧！期待有想法，樂于分享的小伙伴加入免費星球注入愛分享的新鮮活力。分享的主題包含但不限于三維視覺，點云，高精地圖，自動駕駛，以及機器人等相關(guān)的領(lǐng)域。

分享及合作方式：群主微信“920177957”（需要按要求備注） 聯(lián)系郵箱：dianyunpcl@163.com，歡迎企業(yè)來聯(lián)系公眾號展開合作。

點一下“在看”你會更好看耶

總結(jié)

以上是生活随笔為你收集整理的CloudCompare基础教程（1）-介绍的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。