代码运行结束报段错误 (核心已转储)

[qiguijiao7013]

在学习pcl库时参考教程写了个点云配准的代码，主程序如下：

int main(int argc, char** argv){
	
	std::vector<PCD, Eigen::aligned_allocator<PCD> > data;
	loadData(argc, argv, data);
	
	if(data.empty()){
		PCL_ERROR("Syntax is: %s <source.pcd> <target.pcd> 
", argv
[0]);
		PCL_ERROR("
 - multiple files can be added. The registration results of 
(i,i+1) will be registered against (i+2). etc");
		return -1;
	}
		
	PCL_INFO("Loaded %d datasets.", (int)data.size());
	
	PCLVisualizer = new pcl::visualization::PCLVisualizer(argc, argv, "Pairwise Incremental Registration example");

	PCLVisualizer->createViewPort(0.0, 0, 0.5, 1.0, vp_1);
	PCLVisualizer->createViewPort(0.5, 0, 1.0, 1.0, vp_2);
	
	pcl::PointCloud<pcl::PointXYZ>::Ptr result(new pcl::PointCloud<pcl::PointXYZ>), source, target;
	Eigen::Matrix4f GlobalTransform = Eigen::Matrix4f::Identity(), pairTransform;
	
	for(size_t i=1; i<data.size();i++){
		
		source = data[i-1].cloud;
		target = data[i].cloud;

		showCloudsLeft(source, target);
		
		pcl::PointCloud<pcl::PointXYZ>::Ptr temp(new pcl::PointCloud<pcl::PointXYZ>);
		PCL_INFO("Aligning %s (%d) with %s (%d).\n", data[i-1].f_name.c_str(), source->points.size(), data[i].f_name.c_str(), target->points.size());
		
		pairAlign(source, target, temp, pairTransform, true);
		std::cout << "pair registration finished" << endl; // 这一句无法输出说明上一步函数pairAlign存在问题
		
		pcl::transformPointCloud(*temp, *result, GlobalTransform);
		
		GlobalTransform = GlobalTransform * pairTransform;
		
		std::stringstream ss;
		ss << i << ".pcd";
		pcl::io::savePCDFile(ss.str(), *result, true);
	}
} 

函数写在另一个cpp文件中，头文件已在主程序中声明了。

void pairAlign (const pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_src, const pcl::PointCloud<pcl::PointXYZ>::Ptr cloud_tgt, pcl::PointCloud<pcl::PointXYZ>::Ptr output, Eigen::Matrix4f &final_transform, bool downsample = false){
	//
	// Downsample for consistency and speed
	// \note enable this for large datasets
	pcl::PointCloud<pcl::PointXYZ>::Ptr src(new pcl::PointCloud<pcl::PointXYZ>); 
	pcl::PointCloud<pcl::PointXYZ>::Ptr tgt(new pcl::PointCloud<pcl::PointXYZ>); 
	pcl::VoxelGrid<pcl::PointXYZ> grid;
	
	if(downsample){
		grid.setLeafSize(0.1, 0.1, 0.1);
		grid.setInputCloud(cloud_src);
		grid.filter(*src);
		
		grid.setInputCloud(cloud_tgt);
		grid.filter(*tgt);
	}else{
		src = cloud_src;
		tgt = cloud_tgt;
	}
				
	pcl::PointCloud<pcl::PointNormal>::Ptr points_with_normals_src(new pcl::PointCloud<pcl::PointNormal>);
	pcl::PointCloud<pcl::PointNormal>::Ptr points_with_normals_tgt(new pcl::PointCloud<pcl::PointNormal>);

	pcl::NormalEstimation<pcl::PointXYZ,pcl::PointNormal> norm_est;  //点云法线估计对象
	pcl::search::KdTree<pcl::PointXYZ>::Ptr kdtree(new pcl::search::KdTree<pcl::PointXYZ>());
	
	norm_est.setSearchMethod(kdtree);
	norm_est.setKSearch(30);
	
	norm_est.setInputCloud(src);
	norm_est.compute(*points_with_normals_src); 
	pcl::copyPointCloud(*src, *points_with_normals_src); 
	
	norm_est.setInputCloud(tgt);
	norm_est.compute(*points_with_normals_tgt);
	pcl::copyPointCloud(*tgt, *points_with_normals_tgt);
	
	// 这是一个自己创建的点表达类
	MyPointRepresentation point_representation;
	float alpha[4] = {1.0, 1.0, 1.0, 1.0};
	point_representation.setRescaleValues(alpha);

	pcl::IterativeClosestPointNonLinear<pcl::PointNormal, pcl::PointNormal> reg; 

	reg.setTransformationEpsilon(1e-6); 
	reg.setMaxCorrespondenceDistance(0.05);
	reg.setPointRepresentation(boost::make_shared<const MyPointRepresentation>(point_representation));
	
	reg.setInputSource(points_with_normals_src);
	reg.setInputTarget(points_with_normals_tgt);
	
	Eigen::Matrix4f Ti = Eigen::Matrix4f::Identity(), prev, targetToSource;
	pcl::PointCloud<pcl::PointNormal>::Ptr reg_result = points_with_normals_src;
	reg.setMaximumIterations(10);
	for(int i=0; i<6; i++){
		PCL_INFO("Iteration Nr. %d.\n", i);

		points_with_normals_src = reg_result;
		
		// Estimate
		reg.setInputSource(points_with_normals_src);
		reg.align(*reg_result);
		Ti = reg.getFinalTransformation() * Ti;

		if( fabs((reg.getLastIncrementalTransformation()-prev).sum())<reg.getTransformationEpsilon() ){
			reg.setMaxCorrespondenceDistance(reg.getMaxCorrespondenceDistance()-0.01);
		}
								
		prev = reg.getLastIncrementalTransformation(); 
												
		// 显示函数，函数的定义也保存在这个cpp文件中，声明保存在头文件中
		showCloudsRight(points_with_normals_tgt, points_with_normals_src);
	}
					
	std::cout << "has converged:" << reg.hasConverged() << " score: " << reg.getFitnessScore() << std::endl;
	targetToSource = Ti.inverse();

	pcl::transformPointCloud(*cloud_tgt, *output, targetToSource);
	
	// display
	PCLVisualizer->removePointCloud ("source");
	PCLVisualizer->removePointCloud ("target");
	PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_tgt_h (output, 0, 255, 0);
	PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_src_h (cloud_src, 255, 0, 0);
	PCLVisualizer->addPointCloud (output, cloud_tgt_h, "target", vp_2);
	PCLVisualizer->addPointCloud (cloud_src, cloud_src_h, "source", vp_2);
	PCL_INFO ("Press q to continue the registration.\n");
	PCLVisualizer->spin();
	PCLVisualizer->removePointCloud ("source"); 
	PCLVisualizer->removePointCloud ("target");
	
	*output += *cloud_src;
	std::cout << output->points.size() << " points have been merged into the source point cloud." << endl;
	final_transform = targetToSource;
	std::cout << "the transform matrix is:\n" << final_transform << endl; // 这一句可以运行，不报错。
        // 这就很奇怪了，程序运行到了最后出现错误，第一次遇到这种问题，检查了函数的声明定义，应该没声没问题啊，难道时pcl点云指针在这儿释放了不能返回？
}

程序运行到函数末尾都可以正常运行，但是运行结束后报错。第一次遇到这种问题，检查了函数的声明定义，应该没声没问题啊，难道时pcl点云指针在这儿释放了不能返回？

我把这个函数整个copy到了主函数的cpp文档中，就可以正常运行。求问一下大神，这到底是为什么？是pcl指针内存问题吗

[qiguijiao7013]

自己顶一下！大神们求解答！

[赵4老师]

Windows： 崩溃的时候在弹出的对话框按相应按钮进入调试，按Alt+7键查看Call Stack即“调用堆栈”里面从上到下列出的对应从里层到外层的函数调用历史。双击某一行可将光标定位到此次调用的源代码或汇编指令处，看不懂时双击下一行，直到能看懂为止。 Linux： 进程意外退出会在当前目录下产生‘core’文件或形如‘core.数字’的文件比如‘core.1234’ 使用命令 gdb 运行程序名 core或core.数字 进入gdb然后使用bt命令 可以查看进程意外退出前函数调用的堆栈，内容为从上到下列出对应从里层到外层的函数调用历史。 如果进程意外退出不产生core文件，参考“ulimit -c core文件最大块大小”命令

[好脾气先生]

大佬解决了么？我现在也遇到了这个问题，在LINUX下。排查发现是只有在PointCloud2的类型时才能读取成功。PointCloud条件下就会出现段错误提示。不知道楼主有没有好的解决办法