前言

我们知道，PCL和OpenGL等三维可视化软件一样，为了兼顾性能需求，只支持加载Float类型的点云数据，但是当我们对精度要求太高时，Float类型支持不了我们的精度要求，我们的数据必须用Double类型存储才可以，要怎么解决呢？

解决方法 一

网上一个比较流行的解决方法是使用一个自定义的PCL数据类型 ，例如这样

// 自定义点云类型
namespace pcl
{
#define PCL_ADD_UNION_POINT4D_DOUBLE \
union EIGEN_ALIGN16 { \
        double data[4]; \
        struct { \
            double x; \
            double y; \
            double z; \
    }; \
};

struct _PointXYZDouble
{
    PCL_ADD_UNION_POINT4D_DOUBLE; // This adds the members x,y,z which can also be accessed using the point (which is float[4])

    EIGEN_MAKE_ALIGNED_OPERATOR_NEW
};

struct EIGEN_ALIGN16 PointXYZDouble : public _PointXYZDouble
{
    inline PointXYZDouble(const _PointXYZDouble& p)
    {
        x = p.x; y = p.y; z = p.z; data[3] = 1.0;
    }

    inline PointXYZDouble()
    {
        x = y = z = 0.0;
        data[3] = 1.0;
    }

    inline PointXYZDouble(double _x, double _y, double _z)
    {
        x = _x; y = _y; z = _z;
        data[3] = 1.0;
    }

    EIGEN_MAKE_ALIGNED_OPERATOR_NEW
};
}

POINT_CLOUD_REGISTER_POINT_STRUCT(pcl::_PointXYZDouble,
                                  (double, x, x)
                                  (double, y, y)
                                  (double, z, z)
                                  )
POINT_CLOUD_REGISTER_POINT_WRAPPER(pcl::PointXYZDouble, pcl::_PointXYZDouble)

然后在加载点云时使用pcl::XYZDouble这个自定义类型即可。
但是这个有个弊端，因为我还要使用PCL的其他函数接口，例如鼠标点击事件的回调函数，这些函数不支持我自定义的数据格式，如果要完美适配我的自定义数据类型，需要大范围的修改源码才行，工作量巨大。

解决方法二

这里我参考了一个大名鼎鼎的点云显示软件：CloudCompare
当使用CloudCompare加载精度较大的点云时，会提示

这里我引入官方的解释：

大致意思就是：
因为CloudCompare和OpenGL都使用32位浮点值。与64位值相比，这允许增加速度和50%的存储器增益。然而，32位表示具有有限的分辨率，也就是精度。可以说，数字越大，可以存储的小数就越少。然而，如果在地理参考坐标系中表示的点坐标非常大，在这种情况下，数据表示精度上升到1或10厘米，32位浮点值支持不了这么高的精度，这就是为什么在CloudCompare中加载文件时“移动"点非常重要的原因。否则，原始精度将丢失。

它的移动规则也很简单， 默认情况下，CloudCompare尝试自动猜测最佳偏移向量（通常在加载文件时，CloudCompare将使用第一个点坐标作为偏移量）。后面的点都使用相同的偏移量。用T_X、T_Y、 T_Z 分别表示x、y、z坐标的偏移量，S表示倍数，L_X、L_Y、L_Z表示计算后的坐标，用公式表示就是：

$$L_X=（X+T_X）\ast S$$
$$L_Y=（Y+T_Y）\ast S$$
$$L_Z=（Z+T_Z）\ast S$$

在CloudCompare中这个偏移量默认是以第一个坐标计算得到的，倍数默认为1倍。
偏移量计算的时候没有特定公式，我举几个例子大家应该就知道是怎么回事了。

• 原始坐标是 1850351.79723，那么偏移量就是 -1850300，偏移后的坐标是51.79723
• 原始坐标是 -1850351.79723，那么偏移量就是 1850300，偏移后的坐标是51.79723
• 原始坐标是 446.100006，那么偏移量就是-400，偏移后的坐标是46.100006，当然由于这个坐标比较小，偏移量也可以设置为0.00，这样偏移后的坐标和原来一致。

为什么以第一个坐标计算偏移量呢？因为大部分情况下，我们的点云坐标都是非常非常密集的，坐标的最大值和最小值差距很小，使用第一个坐标计算得到的偏移量往往是适用于所有坐标的。当然你也可以取平均值来计算偏移量。计算的时候要根据具体的数据来确定偏移量的数量级，说了这些，大家应该都知道偏移量怎么计算了吧？

那么剩下的就简单了，我就可以在PCL读取我的数据的时候，先将原始的x、y、z坐标分别存放到三个double类型的变量中，然后根据我的数据情况，来分别确定x、y、z的偏移量的正负符号和数量级，最终分别得到我x、y、z的偏移量，然后让我全部的原始坐标加上这个偏移量即可。
原始坐标记得也要存放起来，这样就可以实现这样的效果：PCL可视化的点云坐标是我偏移后的坐标，鼠标点击显示的坐标是我的原始坐标，是不是很6😁