前段時間寫了一些代碼，但是在運算過程中發現有些代碼可以進行改進以提高運行效率，尤其是與PCL相關的部分，可以進行大幅度提高．特意在此進行記錄，分享給大家，也供自己查看．

pcl::PointCloud< T >點云的加法

比如我有兩個clusters，每個clusters都包括points_這個成員，類型為：

pcl::PointCloud<PointInfoType> points_;

我想要把兩個clusters的points_成員加在一起，PCL是支持點云的加法的，如下所示．

cluster1.points_ = cluster1.points_ + cluster2.points_;

但是這樣會很慢，我們可以通過逐點的push_back來替換，如下所示．

    // update the cluster pointsfor(int i=0; i<cluster2.points_.size(); i++){cluster1.points_.push_back(cluster2.points_[i]);}

提前分配空間

比如，我們想對點云進行一個體素下采樣，每個體素中保留一個點且已知體素的數量，那么我們可以提前分配給點云變量對應大小．這樣在填充過程中就不用系統每次內部進行擴充，大大加快處理速度．
如下述代碼中，提前為pl_feat分配了num_voxels大小，后續使用emplace_back函數，逐個添加點．

    pl_feat.clear();pl_feat.points.reserve(num_voxels);  // 提前分配內存for (const auto& voxel : voxel_map){// pl_feat.points.push_back(voxel.second.points_[0]);pl_feat.points.emplace_back(voxel.second.points_[0]);}pl_feat.width = pl_feat.points.size();pl_feat.height = 1;pl_feat.is_dense = true;

類似的，在構建voxelmap的時候也提前分配好一個比較大的空間，這樣在向voxel_map中添加點云時就會大大加快速度．

std::unordered_map<UNI_VOXEL_LOC, M_POINT> voxel_map;
voxel_map.reserve(50000000);

在實時運行中kdtree最好只構建一次

在面對大量點云，或者說點云在逐漸增加時，最好只對點云構建一次kdtree或者說盡量降低構建kdtree的次數，或者更換其他數據結構，比如ikdtree來解決問題．
pcl中自帶的kdtree構建難以處理大量點云，會非常耗時

// build a kd tree
pcl::KdTreeFLANN<pcl::PointXY> kdtree2d;
kdtree2d.setInputCloud(gnd_data2d);

先寫到這里，后續有了再記錄