No matching constructor for initialization of 'pcl::visualization::PointCloudColorHandlerCustom<pcl::PointWithRange>

该错误提示表示在初始化 pcl::visualization::PointCloudColorHandlerCustom 类时找不到匹配的构造函数。这通常是因为传入的参数类型与期望的构造函数参数类型不匹配。

要解决这个问题，您需要检查您传递给构造函数的参数类型是否与构造函数所需的参数类型相匹配。确保您传递的参数类型与 PointCloudColorHandlerCustom 类所期望的类型一致。

例如，如果您正在尝试使用 pcl::PointWithRange 类型的点云数据来初始化 PointCloudColorHandlerCustom 类，您需要确保构造函数接受该类型的参数。如果不是，则需要使用适当的类型进行转换或使用其他适合的构造函数。

另外，请确保已正确包含所需的头文件和库文件，并且您正在使用正确版本的 PCL 库。

如果问题仍然存在，请提供更多的代码和错误上下文，以便更好地理解和帮助解决该问题。

相关问题

#include <iostream> #include <pcl/io/pcd_io.h> #include <pcl/point_types.h> #include <pcl/surface/gp3.h> int main(int argc, char** argv) { // 读取点云数据 pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>); pcl::io::loadPCDFile<pcl::PointXYZ>("fw/00.pcd", *cloud); // 创建重建对象 pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>); pcl::PolygonMesh triangles; pcl::GreedyProjectionTriangulation<pcl::PointXYZ> gp3; // 设置参数 gp3.setSearchRadius(0.025); gp3.setMu(2.5); gp3.setMaximumNearestNeighbors(100); gp3.setMaximumSurfaceAngle(M_PI/4); gp3.setMinimumAngle(M_PI/18); gp3.setMaximumAngle(2*M_PI/3); gp3.setNormalConsistency(false); // 执行重建 tree->setInputCloud(cloud); gp3.setInputCloud(cloud); gp3.setSearchMethod(tree); gp3.reconstruct(triangles); // 将 pcl::PolygonMesh 转换为 pcl::PCLPointCloud2 pcl::PCLPointCloud2 cloud2; pcl::toPCLPointCloud2(triangles, cloud2); // 保存结果 pcl::io::savePCDFile("fw/01.pcd", cloud2); return 0; } 这个代码报错：error: no matching function for call to ‘toPCLPointCloud2(pcl::PCLPointCloud2&, pcl::PCLPointCloud2&)’ pcl::toPCLPointCloud2(triangles.cloud, cloud2);如何修改，修改发给我

根据错误提示，`toPCLPointCloud2`函数的参数类型不匹配。`triangles`是`pcl::PolygonMesh`类型，而`toPCLPointCloud2`函数要求的第一个参数是`pcl::PointCloud`类型，因此需要将`triangles`转换成点云类型后再进行转换。

以下是修改后的代码：

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/surface/gp3.h>

int main(int argc, char** argv)
{
  // 读取点云数据
  pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
  pcl::io::loadPCDFile<pcl::PointXYZ>("fw/00.pcd", *cloud);

  // 创建重建对象
  pcl::search::KdTree<pcl::PointXYZ>::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>);
  pcl::PolygonMesh triangles;
  pcl::GreedyProjectionTriangulation<pcl::PointXYZ> gp3;

  // 设置参数
  gp3.setSearchRadius(0.025);
  gp3.setMu(2.5);
  gp3.setMaximumNearestNeighbors(100);
  gp3.setMaximumSurfaceAngle(M_PI/4);
  gp3.setMinimumAngle(M_PI/18);
  gp3.setMaximumAngle(2*M_PI/3);
  gp3.setNormalConsistency(false);

  // 执行重建
  tree->setInputCloud(cloud);
  gp3.setInputCloud(cloud);
  gp3.setSearchMethod(tree);
  gp3.reconstruct(triangles);

  // 将 pcl::PolygonMesh 转换为 pcl::PointCloud
  pcl::PointCloud<pcl::PointXYZ> cloud_mesh;
  pcl::fromPCLPointCloud2(triangles.cloud, cloud_mesh);

  // 将 pcl::PointCloud 转换为 pcl::PCLPointCloud2
  pcl::PCLPointCloud2 cloud2;
  pcl::toPCLPointCloud2(cloud_mesh, cloud2);

  // 保存结果
  pcl::io::savePCDFile("fw/01.pcd", cloud2);

  return 0;
}

这个代码将`triangles`先转换成`pcl::PointCloud`类型，再通过`fromPCLPointCloud2`函数将其转换成`pcl::PCLPointCloud2`类型，就可以成功保存结果了。

void find_match_shot(pcl::PointCloud<pcl::BINARY>::Ptr shot1, pcl::PointCloud<pcl::BINARY>::Ptr shot2, pcl::CorrespondencesPtr model_scene_corrs) { clock_t start = clock(); pcl::KdTreeFLANNpcl::BINARY matching; matching.setInputCloud(shot1); for (size_t i = 0; i < shot2->size(); ++i) { std::vector<int> neighbors(1); std::vector<int> hammingDistances(1); int neighborCount = matching.nearestKSearch(shot2->at(i), 1, neighbors, hammingDistances); if (neighborCount == 1 && hammingDistances[0] < 0.05f) { pcl::Correspondence correspondence(neighbors[0], static_cast<int>(i), hammingDistances[0]); model_scene_corrs->push_back(correspondence); } }这样是对的吧

是的，对于二进制描述子，不需要判断是否是有限值，因此你可以直接删除原先的那行 `if` 语句，修改后的代码如下：

void find_match_shot(pcl::PointCloud<pcl::BINARY>::Ptr shot1, pcl::PointCloud<pcl::BINARY>::Ptr shot2, pcl::CorrespondencesPtr model_scene_corrs) {
    clock_t start = clock();
    pcl::KdTreeFLANN<pcl::BINARY> matching;
    matching.setInputCloud(shot1);
    for (size_t i = 0; i < shot2->size(); ++i) {
        std::vector<int> neighbors(1);
        std::vector<int> hammingDistances(1);
        int neighborCount = matching.nearestKSearch(shot2->at(i), 1, neighbors, hammingDistances);
        if (neighborCount == 1 && hammingDistances[0] < 0.05f) {
            pcl::Correspondence correspondence(neighbors[0], static_cast<int>(i), hammingDistances[0]);
            model_scene_corrs->push_back(correspondence);
        }
    }
}

这段代码现在逻辑上是正确的。