在pcl 1.x的版本中，基礎資料結構是pcl:pointcloud。 pointcloud是乙個c++ 類，其包括的資料如下所示：
就是乙個int型別的資料
這個資料指定了點雲集在寬的方向上包含了多少個點。這個寬度有兩個意思：
1. 它指定了點雲中點的數量，如果是無組織點雲集的話；
2. 它指定了點雲中一行有多少個點，如果是有組織的點雲集合的話；
注意：anorganized point clouddataset：這些點雲有點類似於影象 (或矩陣)的結構, 資料被拆分為行和列。這類點雲的主要**於立體相機（雙目相機）或飛行時間相機（rgb-d相機/深度相機/紅外結構光相機）的資料。有組織的資料集的優點是, 通過了解相鄰點 (例如畫素) 之間的關係, 進行最近鄰的操作效率要高得多, 從而加快計算速度並降低 pcl 中某些演算法的成本。
anprojectable point clouddataset：根據針孔相機模型，點雲集中的點(u, v) 與實際空間中的3d座標 (x,y,z)之間有一定的相關性。這種相關性可以用它最簡單的形式表示: u = f * x /z 和 v = f * y/z，其中f為焦距。
example:
cloud.width = 640; // there are 640 points per line
這個資料指定了點雲集在高的方向包含了多少個點。這個高度有兩個意思：
1. 它指定了點雲中一列有多少個點，如果是有組織的點雲集合的話；
2. 如果是無組織的**，那麼這個資料被設定為1，很明顯可以用這個資料檢查點雲集是否有組織；
example:
cloud.width = 640; // image-like organized structure, with 480 rows and 640 columns,
cloud.height = 480; // thus 640*480=307200 points total in the dataset
example:
cloud.width = 307200;
cloud.height = 1; // unorganized point cloud dataset with 307200 points
points包含了型別為pointt的資料。
for example, for a cloud containing xyz data, points contains a vector of pcl::pointxyz elements:
pcl::pointcloudcloud;
std::vectordata = cloud.points;
指定points中的資料是否全部是有限的，此時為true；當資料集中包含有inf/nan等值時，此時為false。
型別是eigen::vector4f
指定感測器的位姿(origin/translation)。這個成員是可選的，不過pcl中的大部分演算法都用不到。
型別是eigen::quaternionf，四元數
指定感測器獲取的位姿。這個成員是可選的，不過pcl中的大部分演算法都用不倒。
為簡化開發過程，pcl:pointcloud類包含了幾個很有用的成員函式。
比如使用者不用通過檢查程式中的height是否等於1來確定點雲集是否有組織，而是使用這個成員函式：pcl:pointcloud
if (!cloud.isorganized ())
...
pcl包含了很多的關於點的資料型別，不過主要在"adding your own custom pointt type"這個教程裡。
Python學習筆記 2 基本資料型別
在介紹基本資料型別之前，先說乙個系統方法type 返回物件的資料型別，可以幫助我們檢視系統的型別定義 python不同的版本,型別名稱稍有不同，這裡使用的是3.5.2版本 一.基本資料型別 1.空 nonetype 2.布林型 bool 3.整型 int 4.浮點型 float 5.字串 str 二...
Python學習筆記 2 基本資料型別 運算
1.數字 int a 123 2.字串 str a 123 3.列表 list a 1,2,3 3.元祖 tuple a 1,2,3 4.字典 dict a name alex pw 123 age 19 5.布林 bool a true a false a 1 b 2 a b 輸出結果 3 a b...
matplotlib的學習2 基本用法
import matplotlib.pyplot as plt import numpy as np x np.linspace 1,1,50 範圍 1 到 1，個數是50 y 2 x 1 使用plt.figure定義乙個影象視窗.使用plt.plot畫 x y 曲線.使用plt.show顯示影象....