安装PCL库

Windows版

直接下载all-in-one安装即可

Ubuntu版

1. 通过ppa安装

add-apt-repository ppa:v-launchpad-jochen-sprickerhof-de/pcl  
apt-get update  
apt-get install libpcl-all  

2. 源码安装

git clone https://github.com/PointCloudLibrary/pcl.git  

apt-get install cmake g++   libboost1.58-all-dev libeigen3-dev libflann-dev python libusb-1.0-0-dev libudev-dev freeglut3-dev doxygen graphviz libpng12-dev libgtest-dev libxmu-dev libxi-dev libpcap-dev libqhull-dev libvtk5-qt4-dev python-vtk libvtk-java 

mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=None  -D BUILD_GPU=ON  -D BUILD_apps=ON  -D BUILD_examples=ON -DCMAKE_INSTALL_PREFIX=/home/opt/flann/1.8.4 ..

make -j8 
make install  

源码安装(CentOS 等系列)

各个库版本比较多,建议建立一个~/opt目录来安装库,每个库下面建立不同的版本号来进行管理。如下所示

.
├── boost
│   └── 1.63.0
├── cmake
│   └── 3.11.0
├── eigen
│   └── 3.3.4
├── flann
│   └── 1.8.4
├── jsoncpp
│   └── 0.5.0
├── pcl
│   ├── 1.8.1
│   └── 1.8.2
└── scons
    └── 2.5.1

1. 安装eigen

eigen是header-only lib,只需要下载即可使用
地址:Eigen

2. 安装boost

cd ~/packages
outnet wget https://sourceforge.net/projects/boost/files/boost/1.63.0/boost_1_63_0.tar.gz --no-check-certificate
tar -xzvf boost_1_63_0.tar.gz
cd boost_1_63_0
# 编译安装
./bootstrap.sh --prefix=${HOME}/opt/boost/1.63.0
./b2 install

3. 安装flann

git clone https://github.com/mariusmuja/flann.git
cd flann
mkdir build
cd build
mkdir -p /home/frank/opt/flann/1.8.4
cmake -DCMAKE_INSTALL_PREFIX=/home/opt/flann/1.8.4 ..
make -j8
make install

4. 安装pcl

安装好flann和eigen可以安装pcl,下载pcl源码 官网

mkdir build
cmake -DCMAKE_INSTALL_PREFIX=/home/opt/pcl/1.8.2 ..

应该会找不到一些依赖库,可以调整pcl的编译选项

ccmake ..

选好eigen和flann的路径,同时关闭不需要用到的PCL的开关,如果需要其他库,例如VTK,可以自行安装。

make -j8

如果报boost相关的错,那么说明程序没有找到新装的boost,依然在使用系统自带的boost。
这里直接手动修改boost的相关配置,在文件cmake/pcl_find_boost.cmake中进行修改
将其中部分修改如下,直接写死include和lib的路径

if(Boost_FOUND)
  set(BOOST_FOUND TRUE)
  # Obtain diagnostic information about Boost's automatic linking outputted 
  # during compilation time.

  SET(Boost_LIB_DIAGNOSTIC_DEFINITIONS,".")
  SET(Boost_INCLUDE_DIRS "/home/vis/opt/boost/1.63.0/include/")
  SET(Boost_LIBRARY_DIRS "/home/vis/opt/boost/1.63.0/lib/")

  add_definitions(${Boost_LIB_DIAGNOSTIC_DEFINITIONS})
  include_directories(SYSTEM ${Boost_INCLUDE_DIRS})
  link_directories(${Boost_LIBRARY_DIRS})
endif(Boost_FOUND)

然后重新make -j8 && make install即可

### 如何在Python中安装PCL #### 使用Anaconda环境安装PCL及其Python接口 对于Windows用户,可以通过Anaconda来简化PCL安装过程。以下是具体的步骤描述: 1. **必备软件** 需要先安装以下工具: - Anaconda: 用于管理Python环境[^2]。 - Visual Studio Build Tools: 提供必要的编译支持[^2]。 2. **创建虚拟环境** 推荐使用Anaconda创建一个新的Python环境,以避免与其他项目的依赖冲突。可以运行以下命令创建新环境并激活它: ```bash conda create -n pcl_env python=3.8 conda activate pcl_env ``` 3. **安装PCL及相关依赖** 下载适合操作系统的PCL预编译二进制包,并将其解压至指定目录。随后设置环境变量以便于程序调用[^1]。 4. **安装Python-PCL绑定** 可通过pip安装`python-pcl`模块,该模块提供了一个简单的API访问PCL的功能。执行以下命令完成安装: ```bash pip install python-pcl ``` #### Linux下的安装方法 对于Linux用户(特别是基于Debian的操作系统),可以直接利用APT包管理器安装所需的依赖项和开发。具体步骤如下: 1. 更新本地APT缓存并安装必要组件: ```bash sudo apt-get update sudo apt-get install libpcl-dev python3-dev python3-numpy python3-pip ``` 2. 如果需要进一步扩展功能或者测试其他特性,则可能还需要额外安装OpenNI2等相关驱动或文件[^3]。 #### 测试安装是否成功 无论是在Windows还是Linux平台,都可以通过一段简单脚本来验证`python-pcl`是否正常工作。例如加载PCD格式点云数据并可视化展示出来: ```python import pcl import numpy as np import pcl.pcl_visualization if __name__ == "__main__": points = pcl.load_XYZRGB('test.pcd') viewer = pcl.pcl_visualization.CloudViewing() viewer.ShowColorCloud(points, b'cloud') v = True while v: v = not(viewer.WasStopped()) ``` 此代码片段会读取名为`test.pcd`的数据集,并启动图形界面窗口显示三维空间中的彩色散点图[^4]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值