CloudCompare基础教程（1）-介绍

CloudCompare是一个三维点云（网格）编辑和处理软件。最初，它被设计用来对稠密的三维点云进行直接比较。它依赖于一种特定的八叉树结构，在进行点云对比这类任务时具有出色的性能【1】。此外，由于大多数点云都是由地面激光扫描仪采集的，CloudCompare的目的是在一台标准笔记本电脑上处理大规模的点云——通常超过1000万个点云。在2005年后，cloudcompare就实现了点云和三角形网格之间的比较。随后，许多其他点云处理算法（配准、重采样、颜色/法线向量/尺度、统计计算、传感器管理、交互式或自动分割等）以及显示增强工具（自定义颜色渐变、颜色和法向量处理，校准图像处理、OpenGL着色器、插件等）

例如在一台带有双核处理器的笔记本电脑上，计算出300万个点到14000个三角形网格的距离需要10秒（笔者理解：这里是指点云到模型的配准，出现的误差通过颜色的不同可视化出差别）

CloudCompare二次开发编译篇

点云与网格

由于CloudCompare的特定历史，该软件几乎将所有的三维实体都视为点云数据进行处理。通常，三角形网格只是一个具有关联拓扑的点云（网格顶点 the mesh vertices）（与每个三角形对应的“连接”点的三元组）。这解释了网格始终有一个名为“顶点”的点云作为同级或父级（取决于加载或生成它们的方式）。虽然CloudCompare允许用户直接在网格结构（即三角化点云）上应用一些工具，但有些工具只能应用于网格顶点。一开始可能有点令人难以理解，但我们不希望用户忽略这一点：CloudCompare主要是一个点云处理软件。当然，由于CloudCompare的目的是进行变化检测（例如形变监测），而且三角形网格是表示参考形状（例如建筑物）的一种非常常见的方法，因此它非常有用，不能忽视。尽管如此，处理网格点云仍然是一个“次要”实例，尤其是CloudCompare能够直接比较两个点云，而不需要生成中间网格。

主要原因是：

三角化网格通常很难在真实场景中正确生成，尤其是在使用激光扫描仪（噪声、可变密度等）扫描时
由于ALS/TLS点云通常非常密集（且准确），我们已经拥有了所需的所有信息。

（笔者理解：这里说明了cloudcompare的定位是一款处理点云的软件，尽管能处理mesh数据，但是也只能处理mesh数据中顶点的点，并且是一款用于检测形变的点云处理软件）

CloudCompare技术上的优势

便携性

CloudCompare是在C 中开发的。它目前是在Windows、Linux和Mac操作系统上编译（感谢CMake）32位和64位体系结构。

在存储和速度之间进行权衡

以下是关于CloudCompare中所做技术选择的一些细节（主要是为了实现加载尽可能多的点而不降低太多性能的目标，即在存储和速度之间进行良好的权衡）

所有存储值和大部分计算都使用32位浮点值完成
防止对数组大小的任何限制（因为在32 位Windows上很难获得大的连续内存块），我们使用一个自定义容器，自动将数据集分块成小块（每个块64KB）。
法向量（如果有）压缩到16位（实际上是15位，因为量化1的工作方式）
CloudCompare中使用的特定八叉树结构需要恒定的每点内存（即在32位操作系统上，每点8个字节—最大深度为10—在64位操作系统上为12个字节—最大深度为21！）。它基于三维点坐标的特定量化-一种Morton【2】排序方案-其中每个点在八叉树网格和任何级别上的位置都由单个整数代码表示。然后我们处理这些代码以实现非常高效的最近邻查询操作。然而，尽管这种八叉树结构对于计算距离非常有效，但它不适合快速显示（ Level Of Detail （LOD）等）

基于以上平衡选择的结果是CloudCompare每GB内存可以存储大约9000万个空白点（只含有XYZ的意思）。如果添加RGB颜色、法线向量、单个尺度字段，并且需要计算八叉树，则每GB最多可以加载3200万个点。在一个64位操作系统上，你可以加载任意多个点（事实上多达40亿）。但是，根据您的显卡功能，显示和交互性可能会因为这许多点而严重降低）。有了高端显卡，你可以保持一个合理的帧速率高达1.5亿个点。

参考文献

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

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