前段时间写了一些代码，但是在运算过程中发现有些代码可以进行改进以提高运行效率，尤其是与PCL相关的部分，可以进行大幅度提高．特意在此进行记录，分享给大家，也供自己查看．

pcl::PointCloud< T >点云的加法

比如我有两个clusters，每个clusters都包括points_这个成员，类型为：

pcl::PointCloud<PointInfoType> points_;

我想要把两个clusters的points_成员加在一起，PCL是支持点云的加法的，如下所示．

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

但是这样会很慢，我们可以通过逐点的push_back来替换，如下所示．

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

提前分配空间

比如，我们想对点云进行一个体素下采样，每个体素中保留一个点且已知体素的数量，那么我们可以提前分配给点云变量对应大小．这样在填充过程中就不用系统每次内部进行扩充，大大加快处理速度．
如下述代码中，提前为pl_feat分配了num_voxels大小，后续使用emplace_back函数，逐个添加点．

    pl_feat.clear();pl_feat.points.reserve(num_voxels);  // 提前分配内存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;

类似的，在构建voxelmap的时候也提前分配好一个比较大的空间，这样在向voxel_map中添加点云时就会大大加快速度．

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

在实时运行中kdtree最好只构建一次

在面对大量点云，或者说点云在逐渐增加时，最好只对点云构建一次kdtree或者说尽量降低构建kdtree的次数，或者更换其他数据结构，比如ikdtree来解决问题．
pcl中自带的kdtree构建难以处理大量点云，会非常耗时

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

先写到这里，后续有了再记录