C++ 在点云库（PCL）中使用自定义点类型时出现问题

我在尝试使用PCL注册两点云时遇到了一个问题。我没有使用提供的point，而是使用自定义point类型并遵循教程（）。然而，当我遵守VS2019中的代码时，它失败了。我也试过这个帖子（）。它也不起作用

以下是该点的定义

#ifndef PCL_NO_PRECOMPILE
#define PCL_NO_PRECOMPILE
#endif
#include <iostream>
#include <pcl/pcl_macros.h>
#include <pcl/point_types.h> 
#include <pcl/impl/point_types.hpp>
#include <pcl/impl/instantiate.hpp>
#include <pcl/point_cloud.h>
#include <pcl/impl/point_types.hpp>
#include <pcl/common/transforms.h>
#include <pcl/common/impl/transforms.hpp>
#include <pcl/registration/icp.h>
#include <pcl/registration/impl/icp.hpp>
#include <pcl/features/fpfh.h>
#include <pcl/features/impl/fpfh.hpp>
#include <pcl/features/pfh.h>
#include <pcl/features/impl/pfh.hpp>
#include <pcl/registration/ia_ransac.h>
#include <pcl/registration/impl/ia_ransac.hpp>
#include <pcl/features/normal_3d.h>
#include <pcl/features/impl/normal_3d.hpp>
#include <pcl/kdtree/kdtree_flann.h>
#include <pcl/kdtree/impl/kdtree_flann.hpp>
#include <pcl/filters/voxel_grid.h>
#include <pcl/filters/impl/voxel_grid.hpp>
#include <pcl/filters/approximate_voxel_grid.h>
#include <pcl/filters/impl/approximate_voxel_grid.hpp>
#include <Eigen/Core>
struct dPointXYZ {
        double x;
        double y;
        double z;
};
POINT_CLOUD_REGISTER_POINT_STRUCT(dPointXYZ,
(double, x, x)
(double, y, y)
(double, z, z)
)
PCL_INSTANTIATE(VoxelGrid, dPointXYZ);
PCL_INSTANTIATE(NormalEstimation, dPointXYZ);
PCL_INSTANTIATE(KdTree, dPointXYZ);
PCL_INSTANTIATE(FPFHEstimation,dPointXYZ);
PCL_INSTANTIATE(SampleConsensusInitialAlignment, dPointXYZ)

\ifndef PCL\u NO\u预编译
#定义PCL\u否\u预编译
#恩迪夫
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
#包括
结构dPointXYZ{
双x；
双y；
双z；
};
点云寄存器点结构（dPointXYZ，
（双倍，x，x）
（双倍，y，y）
（双倍，z，z）
)
PCL_实例化（体素网格，dPointXYZ）；
PCL_实例化（正态估计，dPointXYZ）；
PCL_实例化（KdTree，dPointXYZ）；
PCL_实例化（fpfh估计，dPointXYZ）；
PCL_实例化（样本一致性对齐，dPointXYZ）

以下是如何使用自定义点类型

void voxelFilteringPoints(pcl::PointCloud<pcl::dPointXYZ>::Ptr& ProjPoint, pcl::PointCloud<pcl::dPointXYZ>::Ptr& filteredPoints, float dGridSize)
{

    pcl::VoxelGrid<pcl::dPointXYZ> ApproximateVoxelGrid;
    ApproximateVoxelGrid.setLeafSize(dGridSize, dGridSize, dGridSize);
    ApproximateVoxelGrid.setInputCloud(ProjPoint);
    ApproximateVoxelGrid.filter(*filteredPoints);
    //std::cout<<"Filtered points size: "<<*filteredPoints<<std::endl;
}

pcl::PointCloud<dNormal>::Ptr computeNormals(pcl::PointCloud<dPointXYZ>::Ptr& ProjPoint, double dNormalsRadius)
{
    pcl::PointCloud<dNormal>::Ptr NormalsPtr(new pcl::PointCloud<dNormal>());
    pcl::NormalEstimation<dPointXYZ, dNormal> NormEstimate;
    NormEstimate.setInputCloud(ProjPoint);

    NormEstimate.setRadiusSearch(dNormalsRadius);
    pcl::search::KdTree<dPointXYZ>::Ptr PtrSearchMethod(new pcl::search::KdTree<dPointXYZ>);
    NormEstimate.setSearchMethod(PtrSearchMethod);

    NormEstimate.compute(*NormalsPtr);
    //std::cout<<"Normals size: "<<*NormalsPtr<<std::endl;
    return NormalsPtr;
}

pcl::PointCloud<pcl::FPFHSignature33>::Ptr getFPFHFeatures(pcl::PointCloud<dPointXYZ>::Ptr& ProjCloud, pcl::PointCloud<dNormal>::Ptr& ProjNormals, double dFeatureRadius)
{
    pcl::PointCloud<pcl::FPFHSignature33>::Ptr FPFHFeatures(new pcl::PointCloud<pcl::FPFHSignature33>());
    //std::cout<<"FPFH size: "<<FPFHFeatures<<std::endl;
    pcl::search::KdTree<dPointXYZ>::Ptr PtrSearchMethod(new pcl::search::KdTree<dPointXYZ>);

    pcl::FPFHEstimation<dPointXYZ, dNormal, pcl::FPFHSignature33> FPFHEstimate;
    FPFHEstimate.setInputCloud(ProjCloud);
    FPFHEstimate.setInputNormals(ProjNormals);

    FPFHEstimate.setSearchMethod(PtrSearchMethod);
    FPFHEstimate.setRadiusSearch(dFeatureRadius);
    FPFHEstimate.compute(*FPFHFeatures);
    return FPFHFeatures;
}
pcl::SampleConsensusInitialAlignment<dPointXYZ,dPointXYZ, pcl::FPFHSignature33> alignFPFH(pcl::PointCloud<dPointXYZ>::Ptr& ProjPoint1,
    pcl::PointCloud<dPointXYZ>::Ptr& ProjPoint2, pcl::PointCloud<pcl::FPFHSignature33>::Ptr& FPFHProjFeatures1,
    pcl::PointCloud<pcl::FPFHSignature33>::Ptr& FPFHProjFeatures2, int iMaxIterations, double dMinDist, double dMaxDist)
{

    pcl::SampleConsensusInitialAlignment<dPointXYZ, dPointXYZ, pcl::FPFHSignature33> SCIA;
    Eigen::Matrix4f transMatrix;
    SCIA.setInputCloud(ProjPoint2);
    SCIA.setSourceFeatures(FPFHProjFeatures2);
    SCIA.setInputTarget(ProjPoint1);
    SCIA.setTargetFeatures(FPFHProjFeatures1);
    SCIA.setMaximumIterations(iMaxIterations);
    SCIA.setMinSampleDistance(dMinDist);
    SCIA.setMaxCorrespondenceDistance(dMaxDist);
    pcl::PointCloud<dPointXYZ> registeredCloud;
    SCIA.align(registeredCloud);
    SCIA.getCorrespondenceRandomness();
    return SCIA;
}

void体素过滤点（pcl:：PointCloud:：Ptr&ProjPoint，pcl:：PointCloud:：Ptr&filteredPoints，浮点dGridSize）
{
体素网格近似体素网格；
setLeafSize（dGridSize，dGridSize，dGridSize）；
setInputCloud（ProjPoint）；
近似像素网格过滤器（*filteredPoints）；
//std:：cout似乎在包含任何PCL头文件之前需要定义
PCL\u NO\u PRECOMPILE
。从“模板已定义”错误判断

检查.cpp文件，例如在main.cpp中

#在任何PCL包含之前定义PCL_NO_PRECOMPILE/！！
#包括
#包括“您的文件显示自定义点类型的使用方式。h”
int main（）{…}