估计一个点云的表面法线

包含相关头文件

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>
#include <pcl/visualization/pcl_visualizer.h>

定义了两个类型别名 PointT 和 PointNT，用于表示输入点云和输出点云中各个点的类型。
输出点云的类型也可以是pcl::Normal，但无法用PCLVisualizer显示。

typedef pcl::PointXYZ PointT;
typedef pcl::PointNormal PointNT;

读取点云，如果点云数据不存在，程序结束

pcl::PointCloud<PointT>::Ptr cloud(new pcl::PointCloud<PointT>);

if (pcl::io::loadPCDFile<PointT>("../input_cloud/rabbit.pcd", *cloud) == -1)
{
	PCL_ERROR("找不到文件...\n");
	return -1;
}

创建一个 pcl::NormalEstimation 类型的对象 nest，该对象用于进行法线估计运算。在创建这个对象时，需要指定输入点云和输出点云的数据类型。
设置了法线估计中的一个参数 KSearch，表示在计算每个点的法向量时要考虑周围的最近邻点数，这里设置为 50。
输入点云赋值给 nest 对象，并调用 compute() 函数来计算法向量。计算结果存储在一个 pcl::PointCloud<PointNT>::Ptr 类型的指针变量 normals 中。

pcl::NormalEstimation<PointT, PointNT> nest;
//nest.setRadiusSearch(0.01); // 设置拟合时邻域搜索半径，最好用模型分辨率的倍数
nest.setKSearch(50); 
nest.setInputCloud(cloud);
pcl::PointCloud<PointNT>::Ptr normals(new pcl::PointCloud<PointNT>);
nest.compute(*normals);

将原始点云数据中的每个点的坐标信息（x、y、z）复制到法向量点云数据中去。
生成时只生成了法向量，没有将原始点云信息拷贝，为了显示需要复制原信息
也可用其他方法进行连接，如：pcl::concatenateFields
```
for (size_t i = 0; i < cloud->points.size(); ++i)
{	
	normals->points[i].x = cloud->points[i].x;
	normals->points[i].y = cloud->points[i].y;
	normals->points[i].z = cloud->points[i].z;
}
```
将法向量计算结果和原始点云信息结合起来，并使用 PCL 库中的可视化工具进行展示。
我们创建了一个 PCL 可视化对象 viewer，并使用 addPointCloud() 函数将原始点云数据添加到可视化对象中，命名为 "cloud"。
设置了两个参数 level 和 scale，用于控制法向量集合的显示效果。其中 level 表示多少条法向量集合显示成一条，scale 表示法向量长度的缩放比例。
调用 viewer.spin() 语句来启动可视化窗口，等待用户交互操作。

pcl::visualization::PCLVisualizer viewer;
viewer.setBackgroundColor(1, 0.6, 0.8,0.2);  // R=255/255, G=153/255, B=204/255	
pcl::visualization::PointCloudColorHandlerCustom<PointT> color_handler(cloud, 0, 255, 0);
viewer.addPointCloud<PointT>(cloud, color_handler, "cloud");
int level = 100;
float scale = 1; 
viewer.addPointCloudNormals<PointNT>(normals, level, scale, "normals");

viewer.spin();

完整代码：

#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
// 包含相关头文件
#include <pcl/features/normal_3d.h>
#include <pcl/visualization/pcl_visualizer.h>

typedef pcl::PointXYZ PointT;
typedef pcl::PointNormal PointNT; // 也可以pcl::Normal,但无法用PCLVisualizer显示。

int main(int argc, char** argv)
{
	// 读取点云
	pcl::PointCloud<PointT>::Ptr cloud(new pcl::PointCloud<PointT>);

	if (pcl::io::loadPCDFile<PointT>("../input_cloud/rabbit.pcd", *cloud) == -1)
	{
		PCL_ERROR("找不到文件...\n");
		return -1;
	}

	// 计算法向量
	pcl::NormalEstimation<PointT, PointNT> nest;
	//nest.setRadiusSearch(0.01); // 设置拟合时邻域搜索半径，最好用模型分辨率的倍数
	nest.setKSearch(50); // 设置拟合时采用的点数
	nest.setInputCloud(cloud);
	pcl::PointCloud<PointNT>::Ptr normals(new pcl::PointCloud<PointNT>);
	nest.compute(*normals);

	for (size_t i = 0; i < cloud->points.size(); ++i)
	{	// 生成时只生成了法向量，没有将原始点云信息拷贝，为了显示需要复制原信息
		// 也可用其他方法进行连接，如：pcl::concatenateFields
		normals->points[i].x = cloud->points[i].x;
		normals->points[i].y = cloud->points[i].y;
		normals->points[i].z = cloud->points[i].z;
	}

	// 显示
	pcl::visualization::PCLVisualizer viewer;
	viewer.setBackgroundColor(1, 0.6, 0.8,0.2);  // R=255/255, G=153/255, B=204/255	
    pcl::visualization::PointCloudColorHandlerCustom<PointT> color_handler(cloud, 0, 255, 0);	
    viewer.addPointCloud<PointT>(cloud, color_handler, "cloud");
	int level = 100; // 多少条法向量集合显示成一条
	float scale = 1; // 法向量长度
	viewer.addPointCloudNormals<PointNT>(normals, level, scale, "normals");

	viewer.spin();

	system("pause");
	return 0;
}

运行效果：