Windows环境下pcl点云库安装配置全流程（精简、有效）

news2024/7/6 18:23:42

本文为Windows配置点云库pcl步骤，具体win10、visual studio 2019、pcl1.11.1。

【1】下载安装包

【2】安装

2.1 先执行win64.exe

2.2 解压win64.zip

2.3 OpenNI2安装

【3】设置环境变量

【4】visual studio 项目实战

4.1 新建C++空项目

4.2 包含目录

4.3 库目录

4.4 添加附加依赖项

4.5 添加.cpp并执行显示效果

另：执行可能出现的代码错误解决方法

【1】下载安装包

下载链接：Releases · PointCloudLibrary/pcl · GitHub

其中，AllInOne是一个包含了PCL库所有模块的单独下载包，方便快速获取整个PCL库，而pdb则是PCL库的调试信息文件，可以在程序崩溃时提供更详细的调试信息来分析解决错误。

【2】安装

2.1 先执行win64.exe

建议自定义安装的位置，按提示操作即可，建议把pcl添加到PATH中。

2.2 解压win64.zip

把解压出来的子文件，全部复制到PCL/bin中

2.3 OpenNI2安装

执行.msi，建议修改路径到该文件夹下；如果已安装过，建议Remove后重新安装，以便后续添加PATH和使用时路径清晰。

安装完毕，该路径如下：

【3】设置环境变量

“此电脑”右键>>属性，如下图添加，再重启电脑：

【4】visual studio 项目实战

4.1 新建C++空项目

可设置Debug-x64，并右键 >> 属性进行配置。

4.2 包含目录

如下图，编辑包含目录：

添加如下路径（不同库的路径层级不同，建议各层级都添加避免包含错误）：

D:\tools\PCL 1.11.1\include\pcl-1.11

D:\tools\PCL 1.11.1\include\pcl-1.11\pcl

D:\tools\PCL 1.11.1\3rdParty\Boost\include\boost-1_74\boost

D:\tools\PCL 1.11.1\3rdParty\Eigen\eigen3

D:\tools\PCL 1.11.1\3rdParty\Eigen\eigen3\Eigen

D:\tools\PCL 1.11.1\3rdParty\Eigen\eigen3\unsupported

D:\tools\PCL 1.11.1\3rdParty\Eigen\eigen3\unsupported\Eigen

D:\tools\PCL 1.11.1\3rdParty\FLANN\include

D:\tools\PCL 1.11.1\3rdParty\FLANN\include\flann

D:\tools\PCL 1.11.1\3rdParty\OpenNI2\Include

D:\tools\PCL 1.11.1\3rdParty\Qhull\include

D:\tools\PCL 1.11.1\3rdParty\Qhull\include\libqhull

D:\tools\PCL 1.11.1\3rdParty\Qhull\include\libqhull_r

D:\tools\PCL 1.11.1\3rdParty\Qhull\include\libqhullcpp

D:\tools\PCL 1.11.1\3rdParty\VTK\include

D:\tools\PCL 1.11.1\3rdParty\VTK\include\vtk-8.2

4.3 库目录

仿照4.3包含目录添加库目录：

D:\tools\PCL 1.11.1\lib

D:\tools\PCL 1.11.1\3rdParty\Boost\lib

D:\tools\PCL 1.11.1\3rdParty\FLANN\lib

D:\tools\PCL 1.11.1\3rdParty\OpenNI2\Lib

D:\tools\PCL 1.11.1\3rdParty\Qhull\lib

D:\tools\PCL 1.11.1\3rdParty\VTK\lib

4.4 添加附加依赖项

需要添加PCL和VTK的debug版lib，总共140多个。

可以通过以下批处理的方法：

cd\d D:\tools\PCL 1.11.1\lib //转到lib目录

dir/b *d.lib *>0.txt //把debug用的d.lib后缀名字写到0.txt中

两次操作把这些名字复制粘贴到附加依赖项中。

4.5 添加.cpp并执行显示效果

#include <iostream>
#include <thread>

#include <pcl/console/parse.h>
#include <pcl/point_cloud.h> // for PointCloud
#include <pcl/common/io.h> // for copyPointCloud
#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>

using namespace std::chrono_literals;

pcl::visualization::PCLVisualizer::Ptr
simpleVis(pcl::PointCloud<pcl::PointXYZ>::ConstPtr cloud)
{
	// --------------------------------------------
	// -----Open 3D viewer and add point cloud-----
	// --------------------------------------------
	pcl::visualization::PCLVisualizer::Ptr 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 (pcl::index_t i = 0; i < static_cast<pcl::index_t>(cloud->size()); ++i)
	{
		if (pcl::console::find_argument(argc, argv, "-s") >= 0 || pcl::console::find_argument(argc, argv, "-sf") >= 0)
		{
			(*cloud)[i].x = 1024 * rand() / (RAND_MAX + 1.0);
			(*cloud)[i].y = 1024 * rand() / (RAND_MAX + 1.0);
			if (i % 5 == 0)
				(*cloud)[i].z = 1024 * rand() / (RAND_MAX + 1.0);
			else if (i % 2 == 0)
				(*cloud)[i].z = sqrt(1 - ((*cloud)[i].x * (*cloud)[i].x)
					- ((*cloud)[i].y * (*cloud)[i].y));
			else
				(*cloud)[i].z = -sqrt(1 - ((*cloud)[i].x * (*cloud)[i].x)
					- ((*cloud)[i].y * (*cloud)[i].y));
		}
		else
		{
			(*cloud)[i].x = 1024 * rand() / (RAND_MAX + 1.0);
			(*cloud)[i].y = 1024 * rand() / (RAND_MAX + 1.0);
			if (i % 2 == 0)
				(*cloud)[i].z = 1024 * rand() / (RAND_MAX + 1.0);
			else
				(*cloud)[i].z = -1 * ((*cloud)[i].x + (*cloud)[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(*cloud, inliers, *final);

	// creates the visualization object and adds either our original cloud or all of the inliers
	// depending on the command line arguments specified.
	pcl::visualization::PCLVisualizer::Ptr 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);
		std::this_thread::sleep_for(100ms);
	}
	return 0;
}