Ubuntu18.04安装ROS的版本为ros-melodic Ubuntu16.04安装ROS的版本为ros-kinetic
上周点云公众号开启了学习模式，由博主分配任务，半个月甚至一个月参与学习小伙伴的反馈给群主，并在微信交流群中进行学术交流，加强大家的阅读文献能力，并提高公众号的分享效果。在此期待更多的同学能参与进来！
我们是接着上一篇文章安装虚拟机与pcl的配置（1）继续 使用快捷键“ctrl+alt+T”,来打开一个命令窗口如下图 比如我们在命令窗口下输入ls 我们会看到在主目录下的所有文件 下图是我插上u盘的
Draco 由谷歌 Chrome 媒体团队设计，旨在大幅加速 3D 数据的编码、传输和解码。因为研发团队的 Chrome 背景，这个开源算法的首要应用对象是浏览器。但既然谷歌把它开源，现在全世界的开发者可以去探索 Draco 在其他场景的应用，比如说非网页端。目前，谷歌提供了它的两个版本： JavaScript 和 C++。
PCL（Point Cloud Library）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说OpenCV是2D信息获取与处理的结晶，那么PCL就在3D信息获取与处理上具有同等地位，PCL是BSD授权方式，可以免费进行商业和学术应用。
Microsoft 在 .NET Framework 4 中添加了一个名为可移植类库 (PCL) 的新功能。 利用 PCL，您可以有选择性地面向 .NET Framework、Silverlight 和 Windows Phone 以及 Windows 应用商店和 Xbox 360 的多个版本，所有这些均可从单个 Visual Studio .NET 项目中实现。 当您选择 PCL 项目模板时，Visual Studio 会自动确保代码仅使用每个所选目标平台上存在的库。 这样就无需使用繁重的预处理器指令和多
本系列文章首先介绍什么是PCL以及PCL的功能。之后将讲解如何在Linux上安装PCL，为下一步测试、编程、开发做准备。后续的文章将对PCL官网上给出的教程进行解释、编译、调参等辅助学习，期间还会涉及到Linux的一些开发技巧、分享学习心得等。
文件包含 nginx配置错误+user-agent文件头写入命令+读取access.log日志 考察任意文件读取，但是过滤了绝大部分的伪协议和flag，留下来的http和zip没过滤，但是没什么用，查看服务器的中间件是nginx，然后题目没有采用动态的靶场，所以尝试一下读取服务器的日志文件access.log，看一下能不能找到有用的payload或者flag，发现也被过滤了，而且，waf使用正则进行过滤的，可是到这里还是没什么思路，于是百度了一下路径绕过，发现有一个绕过的方法，就是利用nginx的配置错误，来进行路径拼接，整体是这样子的，直接访问/var/log/nginx/access.log时会被过滤，但是如果服务器配置错误的话，/var/vfree/../log/nginx/access.log的话，nginx默认会处理成/var/log/nginx/access.log，把vfree/../当成跳转上一层目录，也就是跳到了/var目录，于是就log后面的路径拼接到了/var后面，造成了目录穿越的漏洞，访问发现可以成功返回，如果环境没有被清空的话，通过全局搜索”PCL{“就可以翻到别人的flag，不好运就要自己写一个，整个access.log的组成是由IP - - 日期 - ”访问方法 访问路径 HTTP版本“ 状态码 字节 - USER-AGENT - - 这几部分组成，所以可以尝试通过请求头写入一段读取flag的php代码，然后flag再写入到日志文件中！！！所以直接get写入的话，访问access.log发现是可以写进去的，虽然会被防火墙拦截，但是所有访问都会先通过php处理任何在写入访问日志，所以flag就会被读取出来！！！
全部资料幻灯片和示例代码：http://download.csdn.net/detail/zhangrelay/9772491
（感谢前辈）转自：https://zhuanlan.zhihu.com/p/72116675
PCL（PointCloudLibrary）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。支持多种操作系统平台，可在Windows、Linux、Android、MacOSX、部分嵌入式实时系统上运行。如果说OpenCV是2D信息获取与处理的结晶，那么PCL就在3D信息获取与处理上具有同等地位，PCL是BSD授权方式，可以免费进行商业和学术应用 。
将pcl-1.6.0-pdb-msvc2010-win32文件夹中的内容复制到C:\Program Files (x86)\PCL1.6.0\bin路径中
各路安装方法参见https://github.com/strawlab/python-pcl,在此仅记录linux下的安装: 1.安装依赖库:
Pret是用来对打印机安全进行测试的工具。它通过网络或者USB连接到设备，并利用给定打印机的语言进行渗透。目前绝大多数的打印机都是使用PostScript,pjl和pcl。这使得该工具可以通过这些打印机语言进行捕获或者操作打印作业，访问打印机文件系统和内存甚至造成物理层面上的破坏。
在这篇文章将介绍如何使用CUDA-PCL处理点云来获得最佳性能，由于PCL无法充分利用Jetson上的CUDA，NVIDIA开发了一些具有与PCL相同功能的基于CUDA的库。代码地址：https://github.com/NVIDIA-AI-IOT/cuPCL.git（只有动态库和头文件，作者说源码将在未来开源）。
http://www.pointclouds.org/documentation/tutorials/#filtering-tutorial 每个模块点击进去后，有demo可以查看
下载路径：http://unanancyowen.com/en/pcl181 （这个并不是官网，官网是这个:http://pointclouds.org/）
PCL1.9.1并没有支持vs2015版本的exe版本，然后需要下载PCL的源码重新自己CMake编译出vs2015版本的
Mono 3.0.12已于6月19日发布。对跨平台开发者而言，对可移植类库的支持可能是该版本最重要的变化。该技术可以使一个DLL支持.NET、Windows Store、Windows Phone、Silverlight、ios、android。支持可移植类库的相关介绍可以看Msdn杂志的一篇文章介绍《将旧 .NET 库迁移到最新目标平台》 Mono 3直接提供了新版本的Entity Framework 6的支持，为降低产品服务器成本而使用Linux的用户会非常开心。Entity Framework于去年7
环境：windows10、VS2013、opencv 2.49、openNi、PCL1.8
由于项目涉及点云目标识别和定位等相关内容，因此开始接触基于PCL的三维点云处理。对于PCL，官方解释是：PCL（Point Cloud Library，点云库）是吸收了前人点云相关研究的基础上建立起来的大型跨平台开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。本系列文章主要记录关于PCL点云库的学习过程。
最近在微信群内，很多群友在群友的推荐下，购买了Astra pro的深度相机，价格地道，物超所值！群友反馈积极，所以这里出一波简单的教程。以下内容抛砖引玉，主要讲解windows下和Ubuntu上的测试用例。希望有其他相关分享的小伙伴可以联系dianyunpcl@163.com
因为最近要处理3D点云数据，要用到PCL的处理工具箱，不得不配置并学习有关于PCL的知识。PCL即Points Cloud Library，开源点云数据处理工具箱，刚开始时，我还以为是自己看错了，应该是PLC，哈哈哈，之前真的是没听过。PLC处理3D points就相当于opencv处理2维图像数据一样。
Microsoft Azure Edge Robotics团队很高兴宣布面向Windows开发人员的Foxy版本v20201211.0.0.2012290002。
关于pcl::PCLPointCloud2::Ptr和pcl::PointCloud<pcl::PointXYZ>两中数据结构的区别
本文介绍了关于多视图几何、Python语言以及深度学习的相关资料。首先，介绍了多视图几何的相关概念和常用算法，包括旋转矩阵、平移矩阵、投影映射和点云处理等。接着，介绍了Python语言中PCL库的安装方式和示例代码，以及该库在点云处理中的应用。最后，分享了关于深度学习的一些学习资料，包括视频课程和书籍等。希望通过本文的分享，能够对读者在多视图几何、Python语言以及深度学习方面的学习有所帮助。
1.1 点击path添加（4个bin路径即包含dll,exe文件夹）: (win10直接一行一行添加，win7；隔开)
PCL（Point Cloud Library）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说OpenCV是2D信息获取与处理的结晶，那么PCL就在3D信息获取与处理上具有同等地位，PCL是BSD授权方式，可以免费进行商业和学术应用
上周点云公众号开启了学习模式，由博主分配任务，半个月甚至一个月参与学习小伙伴的反馈给群主，并在微信交流群中进行学术交流，加强大家的阅读文献能力，并提高公众号的分享效果。在此期待更多的同学能参与进来！（目前已经有成员反馈，还有需要小伙伴没有发过来哦，下周开始会将分享整理出来，定期分享，并将文档上传至github组群，已经有部分分享上传至github组群中，供大家下载查看，并且有问题可以在github的issues中提问，大家可以相互提问并解答）
记录关于我们运行roslaunch openni_launch openni.launch 命令时生成的话题以及这些话题的数据类型便于后期的处理，只有知道它们的数据结构，才能很好的对数据进行处理，我们观察到使用rostopic list的所有话题的列表,当然其中也有一些不经常使用的话题类型，比如下面这些话题是我们经常使用的 /camera/depth/image /camera/depth/image_raw /camera/depth/points /camera/ir/image_raw /camera/rgb/image_color /camera/rgb/image_raw
刚接触PCL两个月，在群主和群友的帮助下完成了PCL1.6.0 和1.8.0的配置，这里记录了我配置过程中的问题，可能很小白，不足之处希望各位见谅指正。
下文我们均以64位操作系统为例。首先，下载需要的文件，我将相关文件包已经上传到了网盘，下载链接为：https://pan.baidu.com/s/1WUUBR_MLA12ZBdu2ayYghQ 密码：z7fw
我用别人的例子说明，首先需要点云数据，pcd格式的，本文用麦子的点云文件，放在工程自己创建的“my”工程文件下，默认文件在工程文件C:\visual studio 2013\Projects\my\my中，若不是可以自己定义文件路径。
介绍一下在windows下安装虚拟机（对于虚拟机的Ubuntu系统还是双系统Ubuntu配置PCL的环境的步骤都是一样的）……
Github库在这（这里用1.8.1）：https://github.com/PointCloudLibrary/pcl/releases/tag/pcl-1.8.1
好吧，虽然转载了别人的博客，那个步骤确实是我想要的，还挺详细，但是考虑到别人可能会将其删除等原因，还是自己写篇日志，记录下。（PS：弄这个东西搞了快3个月的时间，真的是这样。写这篇算是对自己三个月经历的总结，说多了都是泪）
最近主要在研究点云后处理模块，虽然一直在丰富完善我们自己编写的点云库，但是对于PCL的源码，非常具有参考价值。因而，对于PCL的源码编译工作，显得格外重要。
平面的法线是垂直于它的单位向量。在点云的表面的法线被定义为垂直于与点云表面相切的平面的向量。表面法线也可以计算点云中一点的法线，被认为是一种十分重要的性质。 法线提供了关于曲面的曲率信息，这是它的优势。许多的PCL的算法需要我们提供输入点云的法线。为了估计它们，代码分析如下
一般下采样是通过构造一个三维体素栅格，然后在每个体素内用体素内的所有点的重心近似显示体素中的其他点，这样体素内所有点就用一个重心点来表示，进行下采样的来达到滤波的效果，这样就大大的减少了数据量，特别是在配准，曲面重建等工作之前作为预处理，可以很好的提高程序的运行速度，
对点云的操作可以直接应用变换矩阵，即旋转，平移，尺度，3D的变换就是要使用4*4 的矩阵,例如：
二进制版的vtk第三方库不支持Qt，需要重新下载vtk并用cmake编译，注意要版本对应，这里我用pcl1.8.1，对应vtk8.0，在这里下载。
PCL（Point Cloud Library，点云库）是在吸收了前人点云相关研究基础上建立起来的大型跨平台开源 C++ 编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等；支持多种操作系统平台，可在 Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说 OpenCV 是 2D 信息获取与处理的结晶，那么 PCL 就在 3D 信息获取与处理上具有相同的地位。PCL 是 BSD 授权方式，可以免费进行商业和学术应用。
PCLVisualizer可视化类是PCL中功能最全的可视化类，与CloudViewer可视化类相比，PCLVisualizer使用起来更为复杂，但该类具有更全面的功能，如显示法线、绘制多种形状和多个视口。本小节将通过示例代码演示PCLVisualizer可视化类的功能，从显示单个点云开始。大多数示例代码都是用于创建点云并可视化其某些特征
在3D视窗中以点云形式进行可视化（深度图像来自于点云），另一种是将深度值映射为颜色，从而以彩色图像方式可视化深度图像，
这里主要针对PCL库中outofcore做一些介绍，查询外网文献以及相关模块的相关资料写出以下内容，该模块就是为了实现大规模点云的载入与显示，渲染等问题。
点云分割是根据空间，几何和纹理等特征对点云进行划分，使得同一划分内的点云拥有相似的特征，点云的有效分割往往是许多应用的前提，例如逆向工作，CAD领域对零件的不同扫描表面进行分割，然后才能更好的进行空洞修复曲面重建，特征描述和提取，进而进行基于3D内容的检索，组合重用等。
大家在做点云的时候经常会用到QT，但是我们需要使用QT做点云的可视化的时候又需要VTK，虽然我们在windows下安装PCL的时候就已经安装了VTK，由于跟着PCL安装的VTK是没有和QT联合编译的，所以在使用PCL和QT做点云可视化界面的时候是无法使用可是QT的插件QVTKWidget，本文将主要讲解一些PCL在Ubuntu系统和windows使用QT做界面的一些分享。
上周点云公众号开启了学习模式，由博主分配任务，半个月甚至一个月参与学习小伙伴的反馈给群主，并在微信交流群中进行学术交流，加强大家的阅读文献能力，并提高公众号的分享效果。在此期待更多的同学能参与进来！（目前已经有成员反馈，下周开始会将分享整理出来，定期分享，并将文档上传至github组群，供大家下载查看，并且有问题可以在github的issues中提问，大家可以相互提问并解答）
基于欧式距离的分割和基于区域生长的分割本质上都是用区分邻里关系远近来完成的。由于点云数据提供了更高维度的数据，故有很多信息可以提取获得。欧几里得算法使用邻居之间距离作为判定标准，而区域生长算法则利用了法线，曲率，颜色等信息来判断点云是否应该聚成一类。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
