CloudCompare插件编写二（数据结构）

唠叨

本文分三篇来介绍一个完整的CloudComapre插件的编写教程，分别是插件框架篇、数据结构篇、算法实现篇。

这是第二篇，数据结构篇，你可以根据本文改成自己的插件，待卿临幸。

qSAF源码：Github . qSAF

前文概要

在上回中，我们已经实现了插件的框架，现在要在doAction()中写插件的具体实现。

插件需求

我们要做的是一个qSAF(Scan Angle Filter)插件，它可以过滤给定范围内点的扫描角度。

也就是用户输入两个角度值，如20度、70度，

过滤输出每个点的扫描角度在大于等于20度、小于等于70度的范围的点云。

需求分析

要实现这个功能，我们需要有一个界面，可以让用户输入两个角度，然后获取两个角度值，接着遍历每个点，获取每个点的扫描角度，然后获得角度在大于等于20度、小于等于70度范围的点云，显示输出。

简单地说，就是要：

1. 输入界面
2. 遍历角度
3. 输出点云

1. 输入界面是QT基础；3. 输出点云是CC套路；只有2. 遍历角度有点纠结。

因此本文第二篇主要介绍2. 遍历角度，即介绍点云中点的数据结构。

注意：不同类型文件的数据结构不同，本文以激光雷达文件(.las)来做介绍。

las文件的读入

首先，我们从宇宙的起源开始说起……

额，还是从.las文件的读入开始说起吧~

.las文件的读入首先进过FileIOFilter这个类，判断是雷达文件(.las)后，进入LASFilter类，并从它的loadFile()函数读入。

先看下loadFile()函数声明：

virtual CC_FILE_ERROR loadFile(QString filename, ccHObject& container, LoadParameters& parameters) override;

特别注意三个传入参数！我就是忽视了这里才找了好久。。。

• QString filename 是点云文件名（包括路径）
• ccHObject& container 是一个实体（ccHObject），可以添加点云（ccPointCloud）
• LoadParameters& parameters 是选择读入文件后提示要勾选雷达的哪些信息

然后看下loadFile()函数体

.las文件首先从io流读入，再使用liblas这个外部库存储：

liblas::Reader reader(liblas::ReaderFactory().CreateWithStream(ifs));

这里说下liblas：

liblas是用于读取和编写非常常见的LAS LiDAR格式的C/C++库，我们使用它来做对LAS的直接读取。

官网如下：

https://www.liblas.org/

然后把liblas读入的文件进行各种处理和封装，最终封装成ccPointCloud

ccPointCloud* loadedCloud = 0;

int sfIndex = loadedCloud->addScalarField(field->sf);
...
loadedCloud->setName(chunkName);
...
loadedCloud->setMetaData(LAS_SCALE_X_META_DATA, QVariant(lasScale.x));
...
loadedCloud->addPoint(P);
...

然后通过：

container.addChild(loadedCloud);

添加到ccHObject中

所以：点云的信息，都是存储在ccPointCloud中的！

而扫描角度存储在ccPointCloud的标量域中(ccScalarField)

ccPointCloud

前面已经说了很多ccPointCloud了，它就是CloudCompare中存储点云的类。

我们看看它的说明

//! A 3D cloud and its associated features (color, normals, scalar fields, etc.)
/** A point cloud can have multiple features:
    - colors (RGB)
    - normals (compressed)
    - scalar fields
    - an octree strucutre
    - per-point visibility information (to hide/display subsets of points)
    - other children objects (meshes, calibrated pictures, etc.)
**/

我要的扫描角度就在scalar fields

然而在ccPointCloud没有直接的方法获得众多标量域中的扫描角度

终于在它的父类ChunkedPointCloud中发现了

ChunkedPointCloud

ccPointCloud的父类ChunkedPointCloud中有如下两个函数：

# 通过标量域名字获得其在标量域数组中的索引
int ChunkedPointCloud::getScalarFieldIndexByName(const char* name) const

# 通过索引获得特定标量域的指针
ScalarField* ChunkedPointCloud::getScalarField(int index) const

通过这两个函数就可以获得指向扫描角度的指针了，要想访问扫描角度中每个点的值，需要使用ScalarField父类GenericChunkedArray的方法

GenericChunkedArray

# 通过每个点的索引访问特定标量域的每个的的值
inline const ElementType* getValue(unsigned index) const

LASOpenDlg

标量域中扫描角度的名字可以在LASOpenDlg.h中找到

"Scan Angle Rank"

整理下思路

1. 用Scan Angle Rank，通过getScalarFieldIndexByName()获得扫描角度在标量域中的索引
2. 用索引，通过getScalarField()获得扫描角度标量域指针
3. 用指针，通过getValue()获得每个点的值

这样就获取到了每个点的扫描角度值，然后：

4. 比较扫描角度值与用户输入区间的大小，把合适的值存储起来
5. 把合适值封装成点云实体
6. 显示在界面上

上面整理的思路在下篇实现，现在我们已经知道怎么获取点云中扫描角度的值了，那其他信息呢？

点云其他信息的获取

看下在QT的调试信息：

我们可以发现，其实点云的信息都能在ccPointCloud中获取，比如点容量、点数量、点坐标、标量域、颜色值等。

其中，标量域vector中有9项信息，存储的标量域顺序为：

• [0] Point Source ID
• [1] Scan Angle Rank
• [2] Flightline Edge
• [3] Scan Direction
• [4] Number of Returns
• [5] Return Number
• [6] Time
• [7] Intensity
• [8] Classification

至于如何获取每种数据，都有相应的方法实现，不是在ccPointCloud，就是在它的父类中，耐心点总能找到的~

下篇概要

下篇是算法实现篇，主要说了qSAF插件的具体实现，包括上面说的：

1. 输入界面
2. 遍历角度
3. 输出点云

请戳这里：

CloudComapre插件编写三（算法实现）

---

我的博客：https://blog.huihut.com/
转载请注明出处：http://blog.huihut.com/2017/04/27/CloudCompareSAFPlugin_2_DataStructure/