a blog driven by interest～
最近折腾MFC中的PCL点云显示，折腾了很久，尝试过OpenGL方案、VTK方案等，最终整理出一套最优的方案，决定使用VTK来显示点云。博主将显示整理成一个CVtkViewer类，该类继承自CStatic，直接修改Picture控件变量的类型就可以实现显示，对点云和图像接口进行封装，使用较为方便和安全。并且使用VTK显示的类封装可以在多个窗口分别显示，如左图所示可以在两个以上的窗口分别显示不同的点云，如果使用OpenGL来实现会相当麻烦。还有就是VTK这种上层接口封装非常全面，OpenGL太偏底层了，比如VTK会自动设置合适的相机位置，而OpenGL实现同样的效果就需要自己解算位置，这也是博主放弃OpenGL的重要原因。
在这篇博客之前，你需要对VTK开发有基本了解，博主使用的是VTK7.0，PCL1.8.0，博客中对博主遇到的编译错误、运行错误等都做了详细解释，希望能有帮助。
关于内存映射的进程间通信，我直接一篇博客已经详细介绍过，这里只是再次补充一个传输图像的应用，因为OpenCV中Mat格式较为常用（并且也很方便传输），刚好用到，就做个笔记好了。应用的场景是B进程中的Mat传给A进程，A进程接受并恢复为Mat格式。其它也没什么好说的，有细节为题就参见我之前的博客，那么开始吧。
操作系统中线程和进程的概念就不再强调，这篇博客主要介绍在Windows中多线程的创建、挂起、终止、通信、同步，大都是代码层面的介绍，这也是个人的笔记，摘抄自网络。
如果对这些概念不熟悉，建议先移步百度，或者操作系统教材，如果你支持查阅手册或者API参数讲解，那么希望这篇博客能给你答案。话不多说，开始吧。
所谓反射机制，就是能够在运行时知道任意类的所有属性和方法，能够调用任意对象的任意方法和属性。这种动态获取的信息以及动态调用对象方向的功能称为反射机制。
不像Jave等语言，C++本身没有反射机制，在使用C++版本Protobuf时，protobuf通过proto文件产生响应的message和service，protobuf可以通过proto文件提供反射机制，程序在运行时可以通过proto获取任意message和任意service的属性和方法，也可以在运行时调用message的属性和方法。
旋转矩阵和欧拉角之间的正向转换关系比较好推理，而逆向变换就显得不是那么容易了。这篇博客介绍由旋转矩阵计算欧拉角的方法，参考了一篇Paper：Computing Euler angles from a rotation matrix。Paper本身介绍的还是比较清楚的，这篇博客最后附了转换计算的代码，包括文章作者提供的Matlab版本和博主提供的C/C++版本，希望能有用。
上一篇博客我们完成了一个六行的SVM，对python中数据和估计器等概念有了认识，这篇博客将更加详细的对sklearn的训练进行解释，同时也按照官网例程运行KNN和SVM等具有代表性的demo。
这节笔记对应的官网教程为： Statistical learning: the setting and the estimator object in scikit-learn 和 Supervised learning: predicting an output variable from high-dimensional observations
在上一篇博客我们搭起了环境，这篇博客将以最简介的代码快速上手sklearn。
这节笔记摘自官网Quick-Start的教程：An introduction to machine learning with scikit-learn。比起官网教程，这篇博客首先会概述基础概念，帮助快速理解和上手。话不多说，开始吧。
在国内，可以直接在C://用户名//pip//pip.ini创建并修改源，使用如下脚本可直接创建pip配置文件并进行修改。
pcl::PointCloud与pcl::PointCloud::Ptr的相互转换
ROS：Robot Operating System
ROS是开源的机器人次级操作系统，其设计的首要目标是在机器人研发领域提高代码复用率，是一种分布式处理框架（Nodes）。它提供类似于操作系统所提供的功能，包含硬件抽象描述、底层驱动程序管理、共用功能执行、程序间的消息传递、程序发行包管理等。
ROS提供多语言支持，利用简单的、语言无关的接口定义消息传送。ROS还利用了很多已经存在于开源项目的代码，如OpenCV中借鉴视觉算法、从OpenRAVE借鉴了规划算法等。DJI、iRobot等机器人公司都在使用ROS。
随机采样一致（ransac）算法是一种随机性的参数估计算法，利用Ransac可以实现采样一致性初始配准（SAC-IA）。采样一致性初始配准（SAC-IA）给出一个初始预估的刚性（Rigid）变换矩阵，为更精确的位姿估计算法（如ICP等）提供初始配准状态。
PCL点云库中封装了丰富的点云数据处理函数，利用PCL实现初始点云配准较为容易，于是博主就也实验了一下，效果还不错，就是时间耗费的问题，大概2000个点，迭代2000次，花了5s，实在是太慢了，代码托管在github，比较初级，欢迎指教。
这篇博客提供一个PCL读取点云并可视化的最简Demo，并提供扩充学习资料的链接。其中点云读取比较简单，而可视化比较复杂。
PCL的可视化类有好几号，最强大的是PCLvisualizer，这个类是这篇博客的主要内容。如果只是简单显示点云，可以不需要PCLvisualizer类，调用CloudViewer就可以了。CloudViewer的调用过程更加简单直接，PCLvisualizer更加强大，功能更加丰富。
PCLvisualizer还可以设置鼠标键盘操作回调函数，功能之多，并且开源的PCL也在不断丰富和完善，所以在调用PCLvisualizer时，大部分编程是需要参考文档手册的。
