一、簡介

PCL（Point Cloud Library）是在吸收了前人點雲相關研究基礎上建立起來的大型跨平臺開源C++編程庫，它實現了大量點雲相關的通用算法和高效數據結構，涉及點雲獲取、濾波、分割、配準、檢索、特徵提取、識別、追蹤、曲面重建、可視化等，支持多種操作系統平臺，可在Windows、Linux、Android、Mac OS、部分嵌入式實時系統上運行。如果說OpenCV是2D信息獲取與處理的結晶，那麼PCL就在3D信息獲取與處理上具有同等地位，PCL是BSD授權方式，可以免費進行商業和學術應用。

二、安裝準備

本人電腦系統是Window10，所以接下來也會以該環境示例如何安裝。

下載文件包括以下內容

vs2017： 官網更新了vs2019，可根據情況下載安裝，我這裏用的vs2017，安裝過程可自行上網搜索，這個網上很多，這裏不再過多贅述。

Qt： 由於在後期可能需要用到Qt做界面，所以這裏也提前將Qt安裝好，具體安裝過程也可自行上網搜索。我這裏安裝的版本是Qt 5.13.1的版本

CMake： 需要編譯源碼，直接去官網下載最新版本安裝即可。

PCL： 去這裏下載

下載我圈中的那兩個文件即可，但由於網速會很慢，可以通過下面給出的百度網盤鏈接進行下載。

VTK1.8：

在PCL的第三方庫中，包含了VTK1.8版本，但由於PCL自帶的VTK不支持Qt，所以需要進行手動編譯VTK1.8源碼，將編譯後的文件進行替換即可，但由於VTK官網已沒有VTK1.8的源碼，而最新的PCL1.9.1最高只支持到VTK1.8的版本，所以我同樣把VTK1.8的源碼放置在了百度網盤裏供大家下載。

百度網盤地址：

鏈接：百度網盤
提取碼：vni6

三、安裝過程

1、PCL安裝

雙擊前面下載好的安裝包進行安裝，具體安裝過程可以參考如下網址：

博客

但是該博客裏並沒有重新對VTK1.8版本進行重新編譯，所以接下來將會講述如何進行VTK的編譯

2、VTK1.8安裝

首先，將從前面網盤裏下載的VTK1.8的源碼解壓到一個文件夾裏，並另外新建2個文件夾，一個用作編譯目錄，一個用做安裝目錄：

在進行編譯之前，還需要一步操作，將如下代碼添加到源碼文件夾下的CMakeLists.txt文件裏大概88行左右的位置

set(CMAKE_DEBUG_POSTFIX "" CACHE STRING "Add a postfix to the debug libraries")
mark_as_advanced(CMAKE_DEBUG_POSTFIX)

保存關閉之後打開CMake

VTK編譯

選擇好目錄之後，點擊Configure，在彈窗中選擇generator爲Visual Studio 15 2017，platform爲x64（這裏根據自己電腦環境進行選擇），最後點擊Finish。

等待Configure完成後，cmake界面會出現一堆紅色的Name與Value，這時需要手動修改一些變量的值：

勾選BUILD_SHARED_LIBS，使生成VTK的lib與dll；
設置CMAKE_DEBUG_POSTFIX的值，該變量表示在Debug模式下輸出文件名的後面加上的字符，這裏設置爲_d，則最後Debug模式下編譯生成的文件名後面都有_d後綴，從而區分Release模式與Debug模式所用文件；
勾選VTK_Group_Qt，讓VTK支持Qt Application；
設置CMAKE_INSTALL_PREFIX目錄爲VTK安裝目錄（VTK-8.1.1-install）

修改完成後，再次點擊Configure，會發現紅色變量會少一些，請確認紅色變量的路徑（Qt路徑（QTDIR，這個如果報錯找不到路徑的話，就在環境變量那裏新建一個QTDIR的路徑）是否正確，以及Qt的版本是否爲5。

如果正確，則再次點擊Configure，正常的話就不會再有紅色的變量，接下來點擊Generate，等待Generate done

編譯完成後，在build目錄下會生成VTK.sln

VTK生成

cmake編譯完成後，需要用VS2017對項目進行生成與安裝。

【注意】：直接在cmake中點擊Open Project打開VS2017可能會生成失敗，因爲一些文件夾的讀取權限問題，我們需要用管理員權限打開VS2017後，再打開項目VTK.sln

使用管理員身份運行VS2017，打開項目VTK.sln，現在Debug與x64，然後右鍵ALL_BUILD，點擊重新生成,等待漫長的時間，當全部成功後，執行下一步操作。
右鍵INSTALL，選擇僅用於項目→僅生成INSTALL。等待時間很短，當生成成功後，可以在VTK的安裝目錄下，看到所生成的lib文件的文件名後綴都有“_d”。
然後在VS2017中將解決方案配置由Debug改爲Release，重複以上ALL_BUILD與INSTALL過程。
完成後，在VTK的安裝目錄下，看到所生成的lib文件有2種，帶後綴“_d”與不帶的。

至此，VTK的Debug與Release模式的編譯安裝就已經完成了。

3、vs2017配置

將VTK安裝目錄下的所有文件:

copy到PCL安裝目錄下的\3rdParty\VTK下

最後vs2017的相關配置過程可繼續參考上述博客進行配置。

四、測試

新建PCL項目，用如下代碼進行測試：

#include <iostream>
#include <pcl/console/parse.h>
#include <pcl/filters/extract_indices.h>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/sample_consensus/ransac.h>
#include <pcl/sample_consensus/sac_model_plane.h>
#include <pcl/sample_consensus/sac_model_sphere.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <boost/thread/thread.hpp>
boost::shared_ptr<pcl::visualization::PCLVisualizer>
simpleVis(pcl::PointCloud<pcl::PointXYZ>::ConstPtr cloud)
{
	// --------------------------------------------
	// -----Open 3D viewer and add point cloud-----
	// --------------------------------------------
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));
	viewer->setBackgroundColor(0, 0, 0);
	viewer->addPointCloud<pcl::PointXYZ>(cloud, "sample cloud");
	viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "sample cloud");
	//viewer->addCoordinateSystem (1.0, "global");
	viewer->initCameraParameters();
	return (viewer);
}
int
main(int argc, char** argv)
{
	// initialize PointClouds
	pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
	pcl::PointCloud<pcl::PointXYZ>::Ptr final(new pcl::PointCloud<pcl::PointXYZ>);
	// populate our PointCloud with points
	cloud->width = 500;
	cloud->height = 1;
	cloud->is_dense = false;
	cloud->points.resize(cloud->width * cloud->height);
	for (size_t i = 0; i < cloud->points.size(); ++i)
	{
		if (pcl::console::find_argument(argc, argv, "-s") >= 0 || pcl::console::find_argument(argc, argv, "-sf") >= 0)
		{
			cloud->points[i].x = 1024 * rand() / (RAND_MAX + 1.0);
			cloud->points[i].y = 1024 * rand() / (RAND_MAX + 1.0);
			if (i % 5 == 0)
				cloud->points[i].z = 1024 * rand() / (RAND_MAX + 1.0);
			else if (i % 2 == 0)
				cloud->points[i].z = sqrt(1 - (cloud->points[i].x * cloud->points[i].x)
					- (cloud->points[i].y * cloud->points[i].y));
			else
				cloud->points[i].z = -sqrt(1 - (cloud->points[i].x * cloud->points[i].x)
					- (cloud->points[i].y * cloud->points[i].y));
		}
		else
		{
			cloud->points[i].x = 1024 * rand() / (RAND_MAX + 1.0);
			cloud->points[i].y = 1024 * rand() / (RAND_MAX + 1.0);
			if (i % 2 == 0)
				cloud->points[i].z = 1024 * rand() / (RAND_MAX + 1.0);
			else
				cloud->points[i].z = -1 * (cloud->points[i].x + cloud->points[i].y);
		}
	}
	std::vector<int> inliers;
	// created RandomSampleConsensus object and compute the appropriated model
	pcl::SampleConsensusModelSphere<pcl::PointXYZ>::Ptr
		model_s(new pcl::SampleConsensusModelSphere<pcl::PointXYZ>(cloud));
	pcl::SampleConsensusModelPlane<pcl::PointXYZ>::Ptr
		model_p(new pcl::SampleConsensusModelPlane<pcl::PointXYZ>(cloud));
	if (pcl::console::find_argument(argc, argv, "-f") >= 0)
	{
		pcl::RandomSampleConsensus<pcl::PointXYZ> ransac(model_p);
		ransac.setDistanceThreshold(.01);
		ransac.computeModel();
		ransac.getInliers(inliers);
	}
	else if (pcl::console::find_argument(argc, argv, "-sf") >= 0)
	{
		pcl::RandomSampleConsensus<pcl::PointXYZ> ransac(model_s);
		ransac.setDistanceThreshold(.01);
		ransac.computeModel();
		ransac.getInliers(inliers);
	}
	// copies all inliers of the model computed to another PointCloud
	pcl::copyPointCloud<pcl::PointXYZ>(*cloud, inliers, *final);
	// creates the visualization object and adds either our orignial cloud or all of the inliers
	// depending on the command line arguments specified.
	boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer;
	if (pcl::console::find_argument(argc, argv, "-f") >= 0 || pcl::console::find_argument(argc, argv, "-sf") >= 0)
		viewer = simpleVis(final);
	else
		viewer = simpleVis(cloud);
	while (!viewer->wasStopped())
	{
		viewer->spinOnce(100);
		boost::this_thread::sleep(boost::posix_time::microseconds(100000));
	}
	return 0;
}

如果最後在Debug和Release兩種模式下均能成功運行如下圖形，則表示環境搭建成功！

PCL環境搭建

一、簡介

二、安裝準備

三、安裝過程

1、PCL安裝

2、VTK1.8安裝

VTK編譯

VTK生成

3、vs2017配置

四、測試

PCL環境搭建

eclispe安裝windowBuilder出錯問題解決

對QT5信號與槽的認識

Mac下配置sublime實現LaTeX

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結