企业官网建设流程全解析

librealsense 与 PCL 深度集成实战：基于 RealSense SDK 的点云采集、过滤与可视化指南

【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsense

导读

本指南围绕 wrappers/pcl/readme.md 展开，系统讲解如何在 RealSense（librealsense SDK）之上接入PCL（Point Cloud Library，点云库），实现从深度相机原始帧到pcl::PointCloud对象、再到过滤与可视化的完整链路。读完本文，你将掌握两个可直接运行的官方示例（rs-pcl与rs-pcl-color）的 Windows/Linux 构建方法、核心源码的数据流原理，以及将 RGB 纹理映射到点云、导出.pcd文件的完整实现细节，可直接迁移到自己的点云处理项目中。

一、为什么要在 librealsense 中使用 PCL

librealsense 本身提供了强大的点云生成能力（rs2::pointcloud::calculate()），但点云的后续处理——滤波、分割、特征提取、配准——属于计算机视觉中的通用问题。PCL 恰好是开源生态中最成熟、最常用的点云处理库，两者结合可以复用 PCL 丰富的算法栈，避免重复造轮子。

wrappers/pcl/readme.md 明确指出，该目录下的示例旨在补充现有的 SDK examples，演示 RealSense 相机如何与 PCL 协同工作。仓库为此提供了两个示例，均位于 wrappers/pcl 下：

从源码结构看，两者共享同一套构建体系：wrappers/pcl/CMakeLists.txt 作为父级 CMake 文件，通过add_subdirectory(pcl)与add_subdirectory(pcl-color)聚合两个子示例；而该目录是否参与构建，由顶层的BUILD_PCL_EXAMPLES选项控制（见后文构建章节）。

二、Windows 安装与构建

原文档提供了 Windows 下的完整构建流程，这里完整继承并补充关键说明。需要强调：本节并非 PCL 的全面入门教程，而是帮助你快速进入可运行状态。

2.1 安装前置依赖

1. 从 cmake.org/download 下载并安装CMake（建议使用与 Visual Studio 匹配的新版本）。
2. 下载 PCL 预编译二进制包。官方渠道包括 pointclouds.org 的 Windows 下载页与 GitHub 的 PCL Releases 页面；针对 Visual Studio 2015/2017 也有社区维护的 PCL 1.8.1 安装包。请务必选择与你的 Visual Studio 版本对应的构建。
3. 按安装向导完成 PCL 安装，勾选将 PCL 加入系统环境变量：

2.2 配置环境变量

打开命令提示符（Command Prompt），根据安装位宽执行：

:: 32 位版本 set PCL_ROOT="C:\Program Files (x86)\PCL 1.8.1" set PATH=%PATH%;%PCL_ROOT%\bin;%OPENNI2_REDIST%

:: 64 位版本 set PCL_ROOT="C:\Program Files\PCL 1.8.1" set PATH=%PATH%;%PCL_ROOT%\bin;%OPENNI2_REDIST64%

注意OPENNI2_REDIST（或 64 位对应的OPENNI2_REDIST64）是 PCL 自带 OpenNI2 运行库的环境变量，PCL 的点云采集与显示依赖其运行时 DLL。

若 Visual Studio 已经打开，请重启 Visual Studio，确保新的环境变量生效（步骤 5）。

2.3 获取源码并配置 CMake

6. 将 librealsense 源码克隆或下载到本地目录，例如C:/git/librealsense。
7. 运行cmake-gui，分别填入源代码目录（如C:/git/librealsense）与二进制输出目录，点击Configure。
8. 确认勾选BUILD_SHARED_LIBS。这是关键一步：以静态库方式链接 librealsense 会导致与 PCL 的链接问题（因为 PCL 预编译包按动态链接 /MD 运行时构建，见 CMake/lrs_options.cmake 中该选项的定义）。
9. 勾选BUILD_PCL_EXAMPLES选项后再次点击Configure：

从仓库源码看，BUILD_PCL_EXAMPLES在 CMake/lrs_options.cmake 中定义为option(BUILD_PCL_EXAMPLES "Build PCL examples" OFF)，默认关闭；并在 wrappers/CMakeLists.txt 中通过if (BUILD_PCL_EXAMPLES) add_subdirectory(pcl) endif()决定是否编译 PCL 示例。

2.4 生成并运行

13. 点击Generate生成 Visual Studio 工程，再点击Open Project打开。
14. 在解决方案资源管理器中，PCL 示例位于Examples → PCL文件夹下（由 wrappers/pcl/pcl/CMakeLists.txt 的set_target_properties(... FOLDER "Examples/PCL")归类）。

15. 右键任一示例，选择Set as StartUp Project。
16. 按F5编译并运行：

三、Linux 安装与构建

Linux 下的流程更为简洁：

3.1 安装 PCL

从 PCL 官方 PPA 安装：

sudo add-apt-repository ppa:v-launchpad-jochen-sprickerhof-de/pcl sudo apt-get update sudo apt-get install libpcl-all

3.2 构建 librealsense 并启用 PCL 示例

1. 按照 doc/installation.md 的指引从源码构建 librealsense。
2. 在 cmake 命令中添加 PCL 示例开关：

cmake .. -DBUILD_PCL_EXAMPLES=true

3. 编译完成后，运行示例：

# 未执行 sudo make install 时，直接运行构建产物 ./wrappers/pcl/pcl/rs-pcl # 若已执行 sudo make install，产物已安装到系统 bin 目录 rs-pcl

Debug 配置下的段错误（Seg-Fault）提示：demo 在 Debug 配置下似乎会发生段错误，这是 PCL 的已知问题（与libpcl_surface中boost::math::lanczos在 Debug 下的行为有关）。规避方法是在 cmake 命令中添加-DCMAKE_BUILD_TYPE=RelWithDebInfo。

从源码看，Linux 下两个示例均要求链接 PCL、OpenGL 与 glfw：wrappers/pcl/CMakeLists.txt 中find_package(PCL REQUIRED)、find_package(OpenGL)，并在 Windows 链接glfw3、其他平台链接glfw。另外rs-pcl-color还额外要求 OpenCV（find_package(OpenCV REQUIRED)，见 wrappers/pcl/pcl-color/CMakeLists.txt）。

四、源码剖析：rs-pcl —— 最小 PCL 点云查看器

rs-pcl.cpp 展示了 RealSense 深度帧到 PCL 点云的核心数据流，共分为四步：

4.1 建立 RealSense 数据管线

rs2::pointcloud pc; // 点云计算与纹理映射对象 rs2::points points; // 持久的点集对象，帧丢失时仍可显示上一帧 rs2::pipeline pipe; // 封装实际设备与传感器的管线 pipe.start(); // 使用默认推荐配置开始流

pipe.start()使用默认配置启动深度流，随后pipe.wait_for_frames()获取帧、frames.get_depth_frame()取深度帧，最后pc.calculate(depth)生成点云。

4.2 将 rs2::points 转换为 PCL 点云

核心转换函数points_to_pcl是连接两个库的关键桥接代码：

pcl_ptr points_to_pcl(const rs2::points& points) { pcl_ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); auto sp = points.get_profile().as<rs2::video_stream_profile>(); cloud->width = sp.width(); // 从视频流配置获取宽度 cloud->height = sp.height(); // 获取高度 cloud->is_dense = false; // 深度可能存在空洞，标记为稀疏 cloud->points.resize(points.size()); auto ptr = points.get_vertices(); // 获取顶点数组 for (auto& p : cloud->points) { p.x = ptr->x; p.y = ptr->y; p.z = ptr->z; ptr++; } return cloud; }

要点：points.get_profile()可取得与点云关联的视频流配置，从而获得width/height；points.get_vertices()返回原始 XYZ 顶点数组，逐点拷贝到pcl::PointXYZ；is_dense = false表示点云可能存在无效点（深度空洞），PCL 算法会据此处理。

4.3 应用 PCL 直通滤波（PassThrough）

示例接着用 PCL 的直通滤波器裁剪点云，仅保留 Z 方向 0~1 米的点：

pcl::PassThrough<pcl::PointXYZ> pass; pass.setInputCloud(pcl_points); pass.setFilterFieldName("z"); // 沿 Z 轴过滤 pass.setFilterLimits(0.0, 1.0); // 保留 0 ~ 1 米范围 pass.filter(*cloud_filtered);

随后将原始点云与过滤后点云放入同一个layers向量，供渲染时叠加显示：

std::vector<pcl_ptr> layers; layers.push_back(pcl_points); layers.push_back(cloud_filtered);

4.4 OpenGL 渲染与交互

draw_pointcloud使用固定管线 OpenGL 将两层点云以不同颜色绘制（原始点为红色{0.8, 0.1, 0.3}，过滤后为绿色{0.1, 0.9, 0.5}），仅在p.z非零（有效深度）时上传顶点：

for (int i = 0; i < pc->points.size(); i++) { auto&& p = pc->points[i]; if (p.z) { glVertex3f(p.x, p.y, p.z); // 只为有深度数据的点上传顶点 } }

register_glfw_callbacks注册了鼠标左键拖拽旋转（yaw 限幅 ±120°、pitch 限幅 ±80°）、滚轮缩放以及空格键复位视角的交互逻辑，演示了 PCL 点云在 GLFW 窗口中的典型查看交互。

五、源码剖析：rs-pcl-color —— RGB 彩色点云与 PCD 导出

rs-pcl-color.cpp 在上一示例基础上增加了颜色纹理映射和PCD 文件保存能力，是 RGB-D 点云采集的完整参考实现。

5.1 彩色点云类型与管线配置

示例使用pcl::PointXYZRGB类型承载 XYZ + RGB 数据：

typedef pcl::PointXYZRGB RGB_Cloud; typedef pcl::PointCloud<RGB_Cloud> point_cloud;

管线显式启用颜色、红外与深度三条流，并获取深度传感器以控制激光发射器：

cfg.enable_stream(RS2_STREAM_COLOR); cfg.enable_stream(RS2_STREAM_INFRARED); cfg.enable_stream(RS2_STREAM_DEPTH); rs2::pipeline_profile selection = pipe.start(cfg); auto depth_sensor = selected_device.first<rs2::depth_sensor>();

5.2 发射器与激光功率控制

示例在采集前对深度传感器做了一次“预热-关闭”序列，以确保自动曝光稳定：

if (depth_sensor.supports(RS2_OPTION_EMITTER_ENABLED)) { depth_sensor.set_option(RS2_OPTION_EMITTER_ENABLED, 1.f); // 开启发射器 pipe.wait_for_frames(); depth_sensor.set_option(RS2_OPTION_EMITTER_ENABLED, 0.f); // 关闭发射器 } if (depth_sensor.supports(RS2_OPTION_LASER_POWER)) { auto range = depth_sensor.get_option_range(RS2_OPTION_LASER_POWER); depth_sensor.set_option(RS2_OPTION_LASER_POWER, range.max); // 最大激光功率 sleep(1); depth_sensor.set_option(RS2_OPTION_LASER_POWER, 0.f); // 关闭激光 }

get_option_range()可查询选项的取值范围，这里先拉满激光功率再归零，属于典型的硬件唤醒/曝光稳定手法。

5.3 RGB 纹理映射的核心算法

RGB_Texture函数完成「纹理坐标 → 像素索引 → RGB 值」的映射，是彩色点云的关键：

std::tuple<int, int, int> RGB_Texture(rs2::video_frame texture, rs2::texture_coordinate Texture_XY) { int width = texture.get_width(); int height = texture.get_height(); // 法线坐标转纹理坐标，并做边界裁剪 int x_value = min(max(int(Texture_XY.u * width + .5f), 0), width - 1); int y_value = min(max(int(Texture_XY.v * height + .5f), 0), height - 1); int bytes = x_value * texture.get_bytes_per_pixel(); // 像素字节偏移 int strides = y_value * texture.get_stride_in_bytes(); // 行字节偏移 int Text_Index = bytes + strides; const auto New_Texture = reinterpret_cast<const uint8_t*>(texture.get_data()); int NT1 = New_Texture[Text_Index]; // R int NT2 = New_Texture[Text_Index + 1]; // G int NT3 = New_Texture[Text_Index + 2]; // B return std::tuple<int, int, int>(NT1, NT2, NT3); }

RealSense 点云中每个顶点都带有一个归一化纹理坐标texture_coordinate（u、v ∈ [0,1]），将该坐标乘以帧宽高即可换算回像素位置，进而从get_data()的原始缓冲区中读取颜色字节。

PCL_Conversion则逐点组合 XYZ 与 RGB，并处理了相机的BGR 顺序：

// 映射颜色（注意相机模型为 BGR 顺序） cloud->points[i].r = get<2>(RGB_Color); cloud->points[i].g = get<1>(RGB_Color); cloud->points[i].b = get<0>(RGB_Color);

同时将彩色帧通过pc.map_to(RGB)绑定给点云计算对象，pc.calculate(depth)后即可从points.get_texture_coordinates()取到逐点纹理坐标。

5.4 交互式采集与 PCD 保存

主循环等待用户输入y/Y（采集一帧并保存）或n/N（退出），采集前丢弃 30 帧以等待自动曝光稳定：

for (int i = 0; i < 30; i++) { auto frames = pipe.wait_for_frames(); // 丢弃若干帧等待自动曝光 }

过滤后点云（同样保留 Z 0~1 米）通过 ASCII 格式写入 PCD 文件：

cloudFile = "Captured_Frame" + to_string(i) + ".pcd"; pcl::io::savePCDFileASCII(cloudFile, *cloud);

之后Load_PCDFile用pcl::io::loadPCDFile重新读回该文件，并交给pcl::visualization::PCLVisualizer（黑色背景、点大小 1）进行可视化，按Q键返回继续采集。每次保存的文件名带递增序号，形成Captured_Frame1.pcd、Captured_Frame2.pcd…… 的序列。

下图是该示例的典型输出（经直通滤波保留 1 米内点、导出为 PCD 后的彩色点云渲染结果）：

六、CMake 构建体系与依赖解析

两个示例的 CMake 配置清晰反映了其依赖关系：

• wrappers/pcl/CMakeLists.txt：父级文件，find_package(PCL REQUIRED)查找 PCL，find_package(OpenGL)校验 OpenGL，Windows 链接glfw3、其他平台链接glfw，并将realsense2与 PCL/OpenGL 库一起追加到DEPENDENCIES，最后聚合两个子目录。
• wrappers/pcl/pcl/CMakeLists.txt：生成rs-pcl可执行文件，强制CXX_STANDARD 11，并做/MT → /MD的编译标志替换（保证与 PCL 预编译包的运行时一致）；若未找到外部 glfw，则回退使用仓库自带 third-party/glfw 的头文件与构建产物。
• wrappers/pcl/pcl-color/CMakeLists.txt：生成rs-pcl-color，额外find_package(OpenCV REQUIRED)并链接${OpenCV_LIBS}，同时链接${PCL_COMMON_LIBRARIES}与${PCL_IO_LIBRARIES}（用于 PCD 读写）。

顶层开关BUILD_PCL_EXAMPLES默认关闭（见 CMake/lrs_options.cmake），启用后由 wrappers/CMakeLists.txt 引入本目录。因此构建命令需要显式开启：

cmake .. -DBUILD_PCL_EXAMPLES=true -DCMAKE_BUILD_TYPE=RelWithDebInfo

七、常见问题与工程实践建议

1. Debug 配置段错误：如原文档所述，Demo 在 Debug 构建下可能因 PCL 的已知问题段错误，推荐使用RelWithDebInfo构建类型。
2. 静态链接冲突：务必保持BUILD_SHARED_LIBS=ON，静态链接 librealsense 会与 PCL 的链接方式冲突。
3. OpenCV 缺失：rs-pcl-color强依赖 OpenCV，编译前需确保find_package(OpenCV)可找到；若仅需纯点云查看，可只编译rs-pcl。
4. 过滤参数可调：两个示例的直通滤波均写死为 Z 0~1 米（rs-pcl.cpp、rs-pcl-color.cpp），实际项目中可依据场景调整setFilterLimits，或将过滤结果作为后续 PCL 分割、配准等算法的输入。
5. PCD 导出：savePCDFileASCII适合调试与互操作；数据量大时可改用二进制格式（savePCDFileBinary）以提升读写性能。

结语

本文以 wrappers/pcl/readme.md 为主线，完整还原了rs-pcl与rs-pcl-color两个示例的安装、构建与运行流程，并结合 rs-pcl.cpp 与 rs-pcl-color.cpp 的源码，剖析了从 RealSense 深度帧到 PCL 点云、再到颜色映射与 PCD 导出的完整数据链路。无论是快速验证硬件，还是作为自研点云处理管线的起点，这两个示例都提供了可直接复用的参考实现——你可以在其基础上替换 PCL 的滤波、分割、配准等算法，构建更完整的 RGB-D 处理系统。

【免费下载链接】librealsenseRealSense SDK项目地址: https://gitcode.com/GitHub_Trending/li/librealsense