1.2 点云处理技术与PCL的前世今生

点云是分布在N维空间中的离散点集，主要以三维为主，它是对物体表面信息的离散采样。三维扫描技术的迅速发展使得点云数据的获取更加简单方便，而点云驱动的计算机图形学在逆向工程、数字城市、文物保护、智能机器人、无人驾驶和人机交互等领域日益彰显其广阔的应用前景。点云处理技术包括点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等方法技术，也包括结合图论、模式识别、机器学习、数据挖掘和深度学习等人工智能算法之后的解决实践应用中的同步定位与地图构建（SLAM）、三维模型检索、三维场景语义分析、广义点云等综合技术内容。PCL是点云数据处理领域中开源的一个重要工具。

PCL起初是ROS（Robot Operating System）下由来自于慕尼黑大学年轻的Radu博士等人维护和开发的开源项目，主要应用于机器人研究应用领域，随着各个算法模块的积累，于2011年独立出来，正式与全球3D信息获取、处理的同行一起，组建了强大的开发维护团队，以多所知名大学、研究所和相关硬件、软件公司为主，如图1-1所示。之后，发展非常迅速，不断有新的研究机构等加入，在Willow Garage、NVidia、Google、Toyota、Trimble、Urban Robotics、Honda Research Institute等多个全球知名公司的资金支持下，不断提出新的开发计划，代码更新非常活跃，截至2017年7月，在不到7年的时间内从1.0版本已经发布到1.8.0版本，并且有社区长期维护，不过近期更新速度有所减缓。

图1-1 加入或资助PCL开发的组织、研究所、公司

PCL是集体智慧的结晶，是大家共同努力的结果。如果没有这些人的贡献，也就不可能有PCL的出现，笔者在此表示无比敬仰。

随着加入组织的增多，PCL官方目前的计划是继续加入很多新的功能模块和算法的实现，包括当前最新的3D相关的处理算法和相关设备的支持，如基于PrimeSensor 3D设备、微软Kinect或者华硕的XTionPRO智能交互应用等，详细情况读者可以参考官方网站每期的新闻，而且也计划进一步支持使用CUDA和OpenCL等基于GPU的高性能计算技术。随着消费级点云获取设备Google的Project Tango、Intel 的RealSense 3D深度摄像头系列、微软的Kinect v2等的不断完善和推广，笔者相信在近几年内会有更多的人和组织加入到这个项目中来，共享开源PCL带来的各自领域的成果。