pcd_viewer
查看pcd文件
pcd_viewer <filename>
pcl_viewer -multiview 1 pcd_file
rosrun perception_pcl pcd_viewer <filename>
如何判断点云的数据类型
先转成pcd文件，然后用文本形式打开，看FIELDS一行，可能的结果有1
2FIELDS x y z
FIELDS x y z intensity timestamp ring
pcl_ros 包
这个包的工具如下：
如果想获得雷达的点云数据，可以发布PointCloud2类型的话题，同时用rosbag record录制得到bag文件，然后使用pcl_ros包中的bag_to_pcd得到pcd点云文件，用法：rosrun pcl_ros bag_to_pcd input.bag topic output_directory，过程：
注意输出是个目录，因为bag文件的消息数量就是生成的pcd文件数量，bag文件的消息数量可以用rosbag info查看
可以用pcl_viewer工具查看pcd，但是这样转换出的点云pcd文件在用Cloud Compare打开时报错
考虑换一种生成方式，在当前路径将点云ROS数据转为pcd文件，也就是一个pcd对应一帧点云，但是会不停地转换rosrun pcl_ros pointcloud_to_pcd input:=/hesai/pandar _prefix:=./pcd
pcd转ply程序： pcl_pcd2ply，使用格式：pcl_pcd2ply demo.pcd demo.ply。生成的pcd转成ply之后可以导入Cloud Compare
pointcloud_to_laserscan包
将3D点云转换为2D的雷达scan, 最适用于把Kinect相机用作雷达，再使用2D算法。详细使用
我们可以直接利用kinect的点云数据，因为costmap2D的接口是直接调用点云。问题是计算量很大，点云规模太大，可以把点云数量降下去，但这样效果又不好了，可能无法识别障碍。点云覆盖信息大，对障碍物信息敏感。计算量大，实时性差。从障碍物进入相机视野出现到加入代价地图有1.5秒时间
depthimage_to_laserscan
如果想从RGBD相机创建虚拟的雷达scan，这个包的效果更好，它直接处理图像数据而不是点云。
详细使用
使用Kinect的一个方案是把点云或深度图降维生成线激光，本质上是当成2D激光雷达，在平坦地面环境用。还是用gmapping、hector SLAM、cartographer等手段建图