PCL
業界標準的 C++ 函式庫，用於機器人感知中的點雲處理
授權條款
BSD-3-Clause
概述
PCL（Point Cloud Library）是開源的 C++ 函式庫，用於機器人感知中的 2D/3D 影像與點雲處理。它提供濾波、特徵估計、配準（例如 ICP 與 NDT）、曲面重建、分割與物體辨識等演算法。它透過 perception_pcl 與 ROS 整合，並支援以 CUDA 進行 GPU 加速。
PCL（Point Cloud Library）是功能最完整的開源點雲處理函式庫。它提供濾波、特徵估計、表面重建、配準與分割等演算法。
主要功能包括： - 豐富的濾波器集合 - 特徵描述子（FPFH、VFH、SHOT） - 配準演算法（ICP、NDT） - 表面重建 - 分割（RANSAC、區域成長） - 物體辨識 - ROS 整合（perception_pcl） - GPU 加速（CUDA）
PCL 是機器人 3D 感知的業界標準，被用於從自動駕駛車輛到工業自動化等無數應用中。
為何重要
PCL 是定義了機器人如何處理 3D 點雲資料的基礎函式庫。它以 C++ 撰寫，至今仍是點雲感知的業界標準，所提供的演算法支撐著從自動駕駛車輛到機器人料箱取物的各種應用。
解決的問題
要把原始的 3D 感測器資料處理成有用的資訊（物體、表面、障礙物），需要精密的演算法。PCL 提供機器人產業在 3D 感知上所仰賴的完整演算法工具組。
重點
- 功能完整的 C++ 函式庫，用於 2D/3D 點雲處理
- 用於自動駕駛與工業機器人的業界標準
- 豐富的演算法集合：濾波、分割、配準、辨識
- 與 ROS 生態系深度整合
- 持續開發超過十年
適用對象
- 機器人感知工程師
- 處理光達（LIDAR）資料的自動駕駛車輛開發者
- 打造檢測系統的工業自動化開發者
- 實作點雲演算法的研究人員
限制
- 只有 C++：沒有原生的 Python 繫結（python-pcl 由社群維護）
- 編譯可能很慢，相依性管理也很複雜
- 與深度學習的替代方案相比，部分演算法已顯老舊
- 與 Open3D 等現代函式庫相比，API 設計較為過時