PCL快速上手：Ubuntu20通过apt安装PCL的避坑指南-优快云博客

1. 为什么我推荐你用apt装PCL？聊聊源码安装的“坑”

如果你刚开始接触点云处理，想在Ubuntu 20.04上把PCL（Point Cloud Library）这个强大的工具库跑起来，那你大概率会面临一个经典选择：是去官网下载源码自己编译，还是直接用系统自带的包管理工具apt来安装？

我以过来人的身份告诉你，对于绝大多数刚上手、想快速验证想法或者做项目开发的兄弟，直接用apt安装是最高效、最不容易出错的路子。我知道，很多技术教程喜欢鼓吹“源码安装大法好”，能装最新版，能自定义编译选项。这话没错，但前提是你得有足够的时间和耐心去填坑。

我自己就曾经头铁，尝试过在Ubuntu上源码编译安装PCL。那体验，简直是一场“依赖地狱”的冒险。PCL本身是个“巨无霸”，它依赖了一票其他重量级库，比如VTK（可视化工具包）、FLANN（快速最近邻搜索库）、Boost（C++万能工具箱）、Eigen（线性代数库）等等。这些库本身版本就多，相互之间的依赖关系错综复杂。你从PCL官网下个源码包，cmake的时候，缺这个少那个是家常便饭。更头疼的是，你好不容易把某个依赖库的指定版本装上了，可能会跟你系统里已经存在的、通过apt安装的其他软件产生冲突，导致一些莫名其妙的运行时错误。我印象最深的一次是，为了一个VTK的兼容性问题，折腾了整整一个下午，最后发现是OpenGL驱动版本不匹配，那种挫败感，新手真的很难扛得住。

所以，除非你有非常特殊的定制化需求（比如必须启用某个默认关闭的模块，或者要针对特定硬件做极致优化），否则在Ubuntu 20.04这个长期支持版上，拥抱apt提供的稳定版本，是最明智的选择。apt最大的好处就是“省心”。它会自动帮你解决所有依赖关系，确保安装的PCL库和它依赖的所有组件都是经过官方仓库测试、彼此兼容的稳定版本。你不需要关心VTK该装哪个版本，Eigen会不会冲突，一条命令下去，系统帮你打理得明明白白。我们的目标是快速上手，把精力集中在点云算法和应用开发上，而不是在环境搭建上消耗斗志。接下来，我就带你一步步走通这条最安稳的路，并把路上可能遇到的小石子（坑）都给你标出来。

2. 动手之前：搞清你的Ubuntu和PCL版本

在敲下任何安装命令之前，有一个关键步骤绝对不能跳过：弄清楚你的系统能提供什么，以及你需要什么。这就像去超市买东西，你得先知道超市有没有货（系统仓库里的PCL版本），再看看是不是你想要的牌子（版本号）。

2.1 查看你的Ubuntu系统版本

虽然我们标题说了是Ubuntu 20.04，但保不齐有人系统升级过或者记混了。确认一下总没错。打开你的终端，输入：

lsb_release -a

你会看到类似这样的输出：

No LSB modules are available.
Distributor ID: Ubuntu
Description:    Ubuntu 20.04.6 LTS
Release:        20.04
Codename:       focal

重点看 Codename 这一行，显示为 focal。这个代号非常重要，它代表了Ubuntu 20.04的内部项目代号。后面我们配置软件源（apt源）时，用的就是这个代号，而不是数字版本号。记住它：focal。

2.2 探查apt仓库里的PCL版本

Ubuntu官方软件仓库（以及像阿里云、清华这样的镜像站）为每一个系统版本（代号）都维护了一套经过充分兼容性测试的软件包。PCL也不例外。我们需要先看看，在focal这个版本的仓库里，能安装的PCL最高版本是多少。

在终端里运行这个查询命令：

apt-cache show libpcl-dev | grep Version

这条命令的意思是：查询名为libpcl-dev这个软件包的详细信息，并用grep过滤出包含“Version”的行。libpcl-dev是PCL的开发包，包含了编译所需的头文件和链接库。

执行后，你大概率会看到这样的结果：

Version: 1.10.0+dfsg-5ubuntu1

看，版本是1.10.0。这就是Ubuntu 20.04官方仓库提供的PCL版本。有些朋友可能会问：“网上都说PCL有1.11、1.12甚至更新的版本了，1.10是不是太老了？” 这里有个认知误区需要澄清。对于Ubuntu这样的稳定发行版，其核心软件仓库在系统发布时就已经固定了主要软件的大版本号。在系统的整个支持周期内（对于20.04 LTS是5年），仓库主要提供的是安全更新和严重的错误修复，而不是频繁升级到大版本。这样做是为了保证整个系统生态的极度稳定。PCL 1.10本身已经是一个非常成熟和功能完备的版本，涵盖了绝大多数点云处理的基础和高级算法。对于学习、科研和大部分工业应用来说，1.10版本完全足够，而且其稳定性经过了海量用户的长期验证。盲目追求新版本，在Linux系统环境下，往往意味着要自己引入不稳定的因素。

所以，请接受这个设定：在Ubuntu 20.04上，通过apt安装PCL，得到的就是稳定可靠的1.10版本。这是我们后续所有操作的基础。

3. 确保安装流畅：配置一个靠谱的软件源

“软件源”是什么？你可以把它想象成手机上的“应用商店”。apt这个包管理工具，需要知道去哪个“商店”里下载软件。默认情况下，Ubuntu使用的是官方源，服务器可能在国外。对于国内用户，这可能会导致下载速度极其缓慢，甚至因为网络问题完全失败，这就是为什么有时候执行sudo apt-get update或sudo apt-get install会卡住或者报错的原因。

因此，将软件源替换为国内的镜像源，是提升Ubuntu使用体验（尤其是安装软件速度）的必备操作。国内常用的有阿里云镜像、清华大学镜像、华为云镜像等，速度都非常快。这里我以阿里云镜像为例，因为它比较稳定和通用。

重要提示：在修改系统关键配置文件之前，养成备份的好习惯！这样万一操作失误，还能轻松恢复。

3.1 备份原有的源列表文件

首先，我们给系统自带的源列表文件加个“保险”：

sudo cp /etc/apt/sources.list /etc/apt/sources.list.backup

这条命令将/etc/apt/sources.list文件复制了一份，命名为backup。如果后续新源有问题，你可以用sudo cp /etc/apt/sources.list.backup /etc/apt/sources.list命令轻松还原。

3.2 清空并写入新的镜像源

接下来，我们直接编辑源列表文件。你可以使用任何你熟悉的文本编辑器，比如vim、nano或者gedit。这里我用nano，因为它对新手更友好：

sudo nano /etc/apt/sources.list

打开文件后，你会看到里面有很多行以deb或deb-src开头的网址。直接把这些内容全部删除（在nano里，你可以用Ctrl+K快捷键逐行剪切）。然后，将下面为Ubuntu 20.04（focal）配置的阿里云镜像源完整地粘贴进去：

deb http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal main restricted universe multiverse

deb http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-security main restricted universe multiverse

deb http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-updates main restricted universe multiverse

deb http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ focal-backports main restricted universe multiverse

粘贴时请务必注意：每一行末尾不要有多余的空格。focal这个代号一定要正确，如果你用的是其他Ubuntu版本（比如22.04是jammy），这里要相应修改。

粘贴完成后，按Ctrl+O（字母O）保存文件，再按Ctrl+X退出nano编辑器。

3.3 更新本地软件包缓存

换了新的“应用商店”地址，我们需要让apt工具去同步一下新商店里的商品目录。执行：

sudo apt-get update

这个命令会访问我们刚刚设置的阿里云镜像站，下载最新的软件包列表信息到本地。看到终端里飞速滚动的[连接 mirrors.aliyun.com]和[获取]字样，并且最后没有报错，显示“全部完成”或类似信息，就说明源配置成功了。现在，你的apt下载速度将会得到质的飞跃。

4. 核心安装：两条命令搞定PCL及其依赖

环境准备就绪，安装过程其实简单得超乎想象。我们分两步走，确保基础编译环境和PCL都能正确安装。

4.1 安装基础编译工具链

虽然我们的目标是PCL，但很多软件在编译安装时都需要一些通用的工具，比如gcc、g++、make等。build-essential这个元包（meta-package）就包含了这一整套基础工具。先把它装上，避免后续编译测试代码时出问题：

sudo apt-get install build-essential

系统会列出将要安装的包，询问你是否继续，输入y并按回车确认。稍等片刻，基础工具就安装好了。

4.2 安装PCL开发库

最关键的一步来了，安装PCL本身：

sudo apt-get install libpcl-dev

当你输入这条命令后，apt会做以下几件聪明事：

分析依赖：它发现libpcl-dev依赖于libpcl1.10（运行时库），而PCL又依赖于VTK、Boost、Eigen、FLANN等一系列库。
解决依赖：它会自动计算出所有这些依赖包，并形成一个完整的安装列表。
提示确认：在终端里，它会显示一个长长的列表，告诉你将要安装libpcl-dev、libpcl1.10、libvtk7.1、libboost-all-dev等等几十个包，并询问“您希望继续执行吗？[Y/n]”。
一键安装：你只需要输入y然后回车，apt就会自动从配置好的阿里云镜像源下载所有这些包，并按正确的顺序安装它们，处理好彼此之间的配置和链接。

这个过程完全是自动化的，你不需要手动去查找、下载、配置任何一个依赖库。这就是包管理器的魅力所在。安装完成后，PCL的头文件会被放在/usr/include/pcl-1.10/pcl/目录下，库文件会在/usr/lib/x86_64-linux-gnu/目录中。

5. 验证安装：如何确认PCL真的装好了？

安装过程没有报错，但怎么才能确信PCL已经正确安装，并且可以被我们的程序找到呢？我教你几个实用的验证方法，从简单到深入。

5.1 方法一：查询已安装的包版本

最直接的方法，就是问apt它到底给我们装了啥：

apt-cache show libpcl-dev | grep Version

或者，用dpkg命令查看已安装包的具体信息：

dpkg -l | grep libpcl

这条命令会列出所有包含libpcl字样的已安装包。你应该能看到libpcl-dev和libpcl1.10这两个包，以及它们确切的版本号。这证明了PCL的软件包确实已经存在于你的系统中。

5.2 方法二：检查关键的头文件和库路径

光有包还不够，我们得确认开发文件（头文件）和链接库（.so文件）都就位了。

检查头文件：

ls /usr/include/pcl-1.10/pcl/

如果这个目录存在，并且里面充满了.h、.hpp头文件（比如point_cloud.h、io/pcd_io.h等），那说明头文件安装正确。

检查库文件：

ls /usr/lib/x86_64-linux-gnu/libpcl*

你会看到一系列以libpcl_开头的动态库文件，例如libpcl_common.so、libpcl_io.so、libpcl_filters.so等。这些就是编译程序时需要链接的库。

5.3 方法三：编写一个最简单的测试程序（强烈推荐）

前两种方法是“静态”检查，而编译运行一个实际程序是“动态”的终极验证。它能同时测试编译器能否找到头文件、链接器能否找到库、以及库本身能否正常工作。

创建一个新的C++文件，比如叫test_pcl_install.cpp：

nano test_pcl_install.cpp

将以下代码粘贴进去。这是一个最小化的PCL程序，它不依赖任何外部数据文件，仅仅创建一个空的点云对象并输出其基本信息：

#include <iostream>
#include <pcl/point_cloud.h>
#include <pcl/point_types.h>

int main() {
    // 创建一个空的点云对象，其中每个点的类型是 pcl::PointXYZ (包含x, y, z坐标)
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);

    // 设置点云的一些属性
    cloud->width = 100; // 点云宽度（可以理解为每行有100个点）
    cloud->height = 1;  // 点云高度为1，表示这是一个无组织结构的点云
    cloud->is_dense = true; // 点云中所有点都是有效的（没有无穷远点或NaN点）
    cloud->points.resize(cloud->width * cloud->height); // 为100个点分配空间

    // 简单地为每个点赋个值（这里只是示例，实际应用中会从文件或传感器读取）
    for (size_t i = 0; i < cloud->points.size(); ++i) {
        cloud->points[i].x = i * 0.01f; // x坐标线性增长
        cloud->points[i].y = 0.0f;
        cloud->points[i].z = 0.0f;
    }

    // 打印点云的基本信息
    std::cout << "PCL安装测试成功！" << std::endl;
    std::cout << "点云创建成功，包含 " << cloud->points.size() << " 个点。" << std::endl;
    std::cout << "第一个点的坐标是: (" 
              << cloud->points[0].x << ", " 
              << cloud->points[0].y << ", " 
              << cloud->points[0].z << ")" << std::endl;

    return 0;
}

保存并退出编辑器（在nano中是Ctrl+O, Ctrl+X）。

现在，尝试编译这个程序。我们需要告诉编译器去哪里找PCL的头文件和库文件。幸运的是，PCL提供了一个非常方便的工具叫pkg-config来帮我们做这件事。使用以下命令编译：

g++ test_pcl_install.cpp -o test_pcl_install $(pkg-config --cflags --libs pcl_common-1.10)

让我解释一下这个命令：

g++：C++编译器。
test_pcl_install.cpp：我们的源代码文件。
-o test_pcl_install：指定输出的可执行文件名为test_pcl_install。
$(pkg-config --cflags --libs pcl_common-1.10)：这是最关键的部分。pkg-config是一个工具，它能自动查询已安装库的编译和链接参数。pcl_common-1.10是PCL核心模块的包名。--cflags会输出包含头文件路径的编译选项（如-I/usr/include/pcl-1.10），--libs会输出链接库的选项（如-lpcl_common）。$()是命令替换，将pkg-config命令的输出结果直接插入到g++命令中。

如果PCL安装正确且pkg-config配置无误，这条命令应该能顺利执行，不会报“找不到头文件”或“未定义的引用”这类错误。

最后，运行生成的可执行文件：

./test_pcl_install

如果屏幕上打印出：

PCL安装测试成功！
点云创建成功，包含 100 个点。
第一个点的坐标是: (0, 0, 0)

那么，恭喜你！这不仅仅意味着PCL安装成功了，更意味着你的开发环境已经完全就绪，可以开始真正的点云编程之旅了。这个简单的程序验证了从包含头文件、使用PCL核心类、到编译链接的完整链条都是通畅的。

6. 进阶与排坑：你可能遇到的几个典型问题

即使按照上述步骤操作，由于系统环境的细微差异，你也可能会遇到一些问题。别担心，我把我遇到过和常见的问题都整理在这里。

6.1 找不到pkg-config的.pc文件

在执行编译测试命令时，你可能会遇到这样的错误：

Package pcl_common-1.10 was not found in the pkg-config search path.
Perhaps you should add the directory containing `pcl_common-1.10.pc'
to the PKG_CONFIG_PATH environment variable?

问题原因：pkg-config工具需要找到对应的.pc文件来获取库信息。PCL的.pc文件通常安装在/usr/lib/pkgconfig/或/usr/lib/x86_64-linux-gnu/pkgconfig/目录下。有时安装后，这个路径没有被自动加入到pkg-config的搜索路径中。

解决方案：手动将该目录添加到环境变量。你可以临时添加（仅对当前终端有效）：

export PKG_CONFIG_PATH=/usr/lib/x86_64-linux-gnu/pkgconfig:$PKG_CONFIG_PATH

然后再次尝试编译命令。

为了永久生效，可以将这行命令添加到你的shell配置文件中（如~/.bashrc或~/.zshrc）：

echo 'export PKG_CONFIG_PATH=/usr/lib/x86_64-linux-gnu/pkgconfig:$PKG_CONFIG_PATH' >> ~/.bashrc
source ~/.bashrc

6.2 编译时链接错误（undefined reference）

如果你的测试程序编译通过了，但在链接阶段报错，提示一大堆undefined reference to ...，这通常意味着链接器没有找到具体的库实现。

问题原因：pkg-config可能没有包含所有必需的PCL模块。我们的测试程序只用了pcl_common（核心模块），但如果你将来用到IO、滤波、特征等模块，就需要链接对应的库。

解决方案：明确指定所有用到的模块。例如，如果你用了pcl::io::loadPCDFile函数，就需要链接pcl_io-1.10。更通用的方法是，如果你不确定，可以链接PCL的绝大多数常用模块：

g++ your_program.cpp -o your_program $(pkg-config --cflags --libs pcl_common-1.10 pcl_io-1.10 pcl_filters-1.10)

或者，查阅PCL官方文档，看你使用的类属于哪个模块，然后链接对应的库。

6.3 运行时找不到动态库（libpcl_xxx.so.1.10: cannot open shared object file）

程序编译成功了，但运行时出现类似错误：

error while loading shared libraries: libpcl_common.so.1.10: cannot open shared object file: No such file or directory

问题原因：系统运行时链接器（ld）不知道去哪里找PCL的库文件。虽然库安装在/usr/lib/x86_64-linux-gnu/，但有时需要刷新一下动态库的缓存。

解决方案：执行以下命令，更新动态链接库的缓存：

sudo ldconfig

这个命令会扫描/etc/ld.so.conf配置文件中指定的目录（通常包括/usr/lib和/usr/local/lib）以及它们的子目录，并创建一个缓存文件，加速运行时库的查找。执行完毕后，再运行你的程序试试。

6.4 想用CMake管理项目怎么办？

上面的测试我们用命令行直接编译。实际项目中，大家更常用CMake来管理。这里给出一个对应的、最简单的CMakeLists.txt示例：

cmake_minimum_required(VERSION 3.10)
project(MyPCLProject)

# 设置C++标准
set(CMAKE_CXX_STANDARD 14)

# 查找PCL库，REQUIRED表示必须找到，否则报错
find_package(PCL 1.10 REQUIRED COMPONENTS common io) # 按需添加你需要的组件，如filters, segmentation等

# 包含PCL的头文件目录
include_directories(${PCL_INCLUDE_DIRS})

# 添加你的可执行文件
add_executable(test_pcl_cmake test_pcl_install.cpp) # 假设源文件同名

# 将PCL的库链接到你的可执行文件
target_link_libraries(test_pcl_cmake ${PCL_LIBRARIES})

把这个CMakeLists.txt文件放在和你的.cpp源文件同一个目录。然后在该目录下执行：

mkdir build && cd build
cmake ..
make
./test_pcl_cmake

CMake的find_package(PCL)命令会自动处理所有复杂的路径和依赖，是更专业、更推荐的项目管理方式。

7. 安装之后：下一步可以做什么？

环境搭好了，验证也通过了，接下来才是真正有趣的开始。PCL 1.10这个稳定的版本为你打开了一扇通往三维视觉世界的大门。我建议你可以从以下几个方向开始探索：

首先，跑通官方教程。PCL官网和其GitHub仓库里有很多示例代码（Tutorials）。从最简单的“如何读写PCD文件”开始，把示例代码下载下来，在你的新环境里编译运行。看到第一个点云被加载并显示出来，那种成就感是实实在在的。

然后，动手处理自己的数据。如果你有深度相机（如Kinect、RealSense）或者激光雷达数据，尝试用PCL的IO模块读取它们。如果没有，网络上有大量公开的点云数据集（比如斯坦福的3D扫描模型）。试着对点云进行下采样（滤波）、计算法线、做平面分割（RANSAC）等基本操作。每成功实现一个算法，你对PCL的理解就会加深一层。

别忘了善用工具。PCL自带了一个非常强大的可视化工具pcl_viewer。你可以通过sudo apt-get install pcl-tools来安装它。在终端里直接用pcl_viewer your_pointcloud.pcd命令就能查看点云，支持旋转、缩放、测量，是调试和观察结果的利器。

最后，深入源码和社区。当你对API熟悉后，可以偶尔翻看一下PCL头文件里的注释，或者去GitHub上看看相关模块的源码实现（虽然是通过apt安装，但源码包libpcl-dev通常也包含了可供阅读的头文件）。遇到棘手的问题，PCL的官方邮件列表和GitHub Issues是寻找答案的好地方。记住，环境搭建只是第一步，真正的乐趣在于用这个强大的工具去解决实际问题，无论是做机器人导航、三维重建，还是简单的点云数据分析。