#入門/基本結構
PCL 1.x中的基本資料型別是PointCloud。
PointCloud是一個包含以下資料欄位的C ++類：

寬度width (int)
在點數中指定點雲資料集的寬度。寬度有兩個含義：

它可以指定點的雲中的總數（equal with the number of elements in points - 見下文），用於無組織的資料集;
它可以指定有組織的點雲資料集的寬度（連續點的總數）。

注意：
一個有組織的點雲資料集是賦予點雲類似於一個有組織的影象（或矩陣）狀的結構，其中，資料被劃分為行和列的名稱。這種點雲的例子包括來自立體相機或飛行時間相機（TOF相機）的資料。有組織的資料集的優點在於，通過了解相鄰點（例如畫素）之間的關係，最近鄰的操作效率更高，從而加快了計算速度，降低了PCL中某些演算法的成本。

注意：
可投影的點雲資料集是給予點雲的名稱，其根據針孔相機模型在有組織的點雲中的點(u,v)的索引與實際的3D值之間具有相關性。這種相關性可以用最簡單的形式表示為：u = f * x / z和v = f * y / z

例子：

cloud.width = 640; // there are 640 points per line

高度height (int)
在點數中指定點雲資料集的高度。高度有兩層含義：
它可以指定有組織的點雲資料集的高度（總行數）
對於未組織的資料集它被設定為1（因此用於檢查資料集是否被組織）。
例：

cloud.width = 640; // Image-like organized structure, with 640 rows(行) and 480 columns(列),
cloud.height = 480; // thus 640*480=307200 points total in the dataset
 

例：

cloud.width = 307200;
cloud.height = 1; // unorganized point cloud dataset with 307200 points

點points (std::vector<PointT>)

包含儲存所有PointT型別的點的資料陣列。例如，對於包含XYZ資料的雲，點包含pcl :: PointXYZ元素的向量：

pcl::PointCloud<pcl::PointXYZ> cloud;
std::vector<pcl::PointXYZ> data = cloud.points;

指定點中的所有資料是有限的（true）還是某些點的XYZ值可能包含Inf / NaN值（false）。

sensor_origin_ (Eigen::Vector4f)

指定感測器採集姿態（原點origin/轉換translation）。這個成員通常是可選的，並且不被PCL中的大多數演算法使用。

sensor_orientation_ (Eigen::Quaternionf)

指定感測器採集姿勢（方向orientation）。這個成員通常是可選的，並且不被PCL中的大多數演算法使用。

為了簡化開發，PointCloud類包含一些輔助成員函式。例如，使用者不必檢查程式碼中的高度(height)是否等於1，以檢視是否組織資料集，代替使用PointCloud()：

if (!cloud.isOrganized ())
  ...

所述PointT型別是主點資料型別並描述了點的每個元素都包含著什麼。PCL帶有大量不同的點型別，大部分在新增自定義的PointT型別教程中進行了解釋。

#編譯你的第一個程式碼示例
在找到合適的最小程式碼示例之前，請檢視在你自己的專案中使用PCL並編寫新的PCL類教程，以瞭解如何編譯和編寫程式碼或使用PCL。

Getting Started / Basic Structures