谷歌draco
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++。
Draco 可以被用来压缩 mesh 和点云数据。它还支持压缩点（ compressing points），连接信息，纹理协调，颜色信息，法线（ normals）以及其他与几何相关的通用属性。下面是谷歌官方发布的 Draco Mesh 文件压缩率，可以看出，它大幅优于 ZIP。
Draco 的算法既支持有损模式，也支持无损。这给普通消费者带来的好处还不太明显——毕竟大多数人对分辨率并没有强迫症，有损压缩带来的轻微画质改变完全在承受范 围之内。但对专业应用和科研应用的意义就很大了。这就好比 JPEG 之于 PNG。后者用于游戏和 VR 应用完全没有问题，降低的画质很难用肉眼察觉。但在科研点云数据中，任何信息都不能丢失。
如何使用draco?
github上简介：
Draco is a library for compressing and decompressing 3D geometric meshes and point clouds. It is intended to improve the storage and transmission of 3D graphics.
(1)下载源码
git clone https://github.com/google/draco.git
(2) cd dracs
mkdir build
cmake ..
如果提示你cmake的版本太低了，则需要升级cmake ，命令如下
sudo add-apt-repository ppa:george-edison55/cmake-3.x
sudo apt-get update
如果你从来没装过cmake 则sudo apt-get install cmake(经过测试 即使装过还是用这个命令直接升级比较好) 如果你装过cmake 则sudo apt-get upgrade
安装完后，用命令：cmake --version 查看当前的cmake版本，可以看到现在cmake的版本为3.2.2
之后就可以编译通过，make 一下傻等片刻就安装成功
那么就可以使用查看一下效果，为了可视化以下，所以还是使用强大的PCL库来对比以下，在PCL库中读取PLY文件也是有对应的函数的
class pcl::PCDReader()与class pcl::FLYReader() 分别是PCD，和FLY文件格式的接口的实现
class pcl::PCDWriter()与class pcl::FLYWriter()分别是对PCD，FLY文件写入接口的实现
查看发现它们的其他函数基本都是一样的，就是把PCD 换成FLY即可
所以我们就可以使用draco来编码FLY格式的点云数据，然后在解码生成FLY文件，再在点云库中可视化一下，并且查看编码前后编码后文件的大小，可以看看编码的效率
首先我们查看原始的文件以及它的大小3M
原始文件大小
对原文件编码 生成了out.drc文件并查看文件大小113.KB的大小
编码命令
编码后的文件大小
并可视化原始点云，如下图：
然后为了在可视化编码后再解码的效果，所以再查看解压后的大小为431.5KB
解码命令
解码后的文件的大小
可视化的效果和之前的是一样的，同时为了查看有没有丢失点数，打印出来看一下，发现点云数目没有变化都是35947 data points
总结以下，原来的文本是3M，编码后是113.KB文件，文件很小，压缩的效率非常高，为了再可视化，所以再解压，可视化的效果与原点云效果是一样的，
原始文件可视化并输出点云的大小
解码后的点云可视化并打印点云数目
结合PCL库可视化的代码如下：
#include <iostream> //标准C++库中的输入输出的头文件
#include <pcl/io/pcd_io.h> //PCD读写类相关的头文件
#include <pcl/point_types.h> //PCL中支持的点类型的头文件
#include <pcl/io/ply_io.h>#include <boost/thread/thread.hpp>
#include <pcl/visualization/pcl_visualizer.h>
int main (int argc, char** argv)
{
//创建一个PointCloud<pcl::PointXYZ> boost共享指针并进行实例化
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud (new pcl::PointCloud<pcl::PointXYZ>);
//打开点云文件
if (pcl::io::loadPLYFile<pcl::PointXYZ> ("bun_zipper.ply", *cloud) == -1)
{
PCL_ERROR ("Couldn't read file bun_zipper.ply \n"); return (-1);
}std::cout << "Loaded "
<< cloud->width * cloud->height << " data points from bun_zipper.ply with the following fields: "
<< std::endl;boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("cloud"));
viewer->addPointCloud<pcl::PointXYZ>(cloud,"cloud");while(!viewer->wasStopped())
{
viewer->spinOnce(100);
boost::this_thread::sleep(boost::posix_time::microseconds(1000000));
} return (0);
}对于draco的算法以及代码都没有详细的研究，这里只是看看它的压缩效率，同时我们在编码的时候，那几条命令时可以设置参数的，也可以设置编码的等级，所以还需要更加深入的研究，如有问题可以与我交流，谢谢