前言：
PCL作为机器人软件的一个基础类库，融合了基础结构、算法和三维显示。其大量使用第三方库，使用了Boost、Eigen、Flann、VTK、Boost、CUdnn等。
第一预备役：Boost
截止今日，官方最新版本为1.54，VS可以通过下载源码编译运行，例程如：
vs2012编译boost_1_53_0：
http://blog.csdn.net/liukang0618/article/details/9149881补充：我安装时正好是VS2012出现问题，tools工具损坏，没心情修补，直接下载的exe包：
地址： http://sourceforge.net/projects/boost/files/boost-binaries/1.54.0/ 自己进行挑选合适的版本进行安装即可,省去了编译步骤。
百科上的评论，有点意思：
Boost 包含近百个程序库，其中不乏具有工程实用价值的佳品。每个人口味与技术背景不一样，对 Boost 的取舍也不一样。就我的个人经验而言，首先可以使用绝对无害的库，例如 noncopyable、scoped_ptr、static_assert 等，这些库的学习和使用都比较简单，容易入手。其次，有些功能自己实现起来并不困难，正好 Boost 里提供了现成的代码，那就不妨一用，比如date_time 和 circular_buffer 等。然后，在新项目中，对于消息传递和资源管理可以考虑采用更加现代的方式，例如用 function/bind 在某些情况下代替虚函数作为库的回调接口、借助shared_ptr实现线程安全的对象回调等等。这二者会影响整个程序的设计思路与风格，需要通盘考虑，如果正确使用智能指针，在现代 C++ 程序里一般不需要出现 delete 语句。最后，对某些性能不佳的库保持警惕，比如 lexical_cast。总之，在项目组成员人人都能理解并运用的基础上，适当引入现成的 Boost 组件，以减少重复劳动，提高生产力。
2.C++矩阵处理工具——Eigen
不可否认，此女子的逻辑很清晰...:文章链接：http://blog.csdn.net/abcjennifer/article/details/7781936
若有评论，希望到原文....
首先推荐几个可以在C++中调用的数学平台：eigen、bias、lapack、svd、CMatrix，本文着重eigen做以讲解，希望对各位有所帮助。
下面是本文主线，主要围绕下面几点进行讲解：
**********************************************************************************************
Eigen是什么？
Eigen3哪里下载？
Eigen3的配置
Eigen3 样例代码有没有？
去哪里更深入学习？
**********************************************************************************************
Eigen是什么？
Eigen是C++中可以用来调用并进行矩阵计算的一个库，里面封装了一些类，需要的头文件和功能如下：
Eigen的主页上有一些更详细的Eigen介绍。
Eigen3哪里下载？
这里是我下好的，这里是官网主页，请自行下载，是个code包，不用安装。
Eigen的配置
直接上图了，附加包含目录那里填上你放Eigen文件夹的位置即可。
Eigen的样例代码有没有？
当然有，这篇文章重点就是这里！
以下是我整理的一些常用操作，基本的矩阵运算就在下面了，算是个入门吧~主要分以下几部分：
建议大家放到编译环境里去看，因为我这里有一些region的东西，编译器下更方便看~
#include <iostream>
#include <Eigen/Dense>
//using Eigen::MatrixXd;
using namespace Eigen;
using namespace Eigen::internal;
using namespace Eigen::Architecture;
using namespace std;
int main()
{
#pragma region one_d_object
cout<<"*******************1D-object****************"<<endl;
Vector4d v1;
v1<< 1,2,3,4;
cout<<"v1=\n"<<v1<<endl;
VectorXd v2(3);
v2<<1,2,3;
cout<<"v2=\n"<<v2<<endl;
Array4i v3;
v3<<1,2,3,4;
cout<<"v3=\n"<<v3<<endl;
ArrayXf v4(3);
v4<<1,2,3;
cout<<"v4=\n"<<v4<<endl;
#pragma endregion
#pragma region two_d_object
cout<<"*******************2D-object****************"<<endl;
//2D objects:
MatrixXd m(2,2);
//method 1
m(0,0) = 3;
m(1,0) = 2.5;
m(0,1) = -1;
m(1,1) = m(1,0) + m(0,1);
//method 2
m<<3,-1,
2.5,-1.5;
cout <<"m=\n"<< m << endl;
#pragma endregion
#pragma region Comma_initializer
cout<<"*******************Initialization****************"<<endl;
int rows=5;
int cols=5;
MatrixXf m1(rows,cols);
m1<<( Matrix3f()<<1,2,3,4,5,6,7,8,9 ).finished(),
MatrixXf::Zero(3,cols-3),
MatrixXf::Zero(rows-3,3),
MatrixXf::Identity(rows-3,cols-3);
cout<<"m1=\n"<<m1<<endl;
#pragma endregion
#pragma region Runtime_info
cout<<"*******************Runtime Info****************"<<endl;
MatrixXf m2(5,4);
m2<<MatrixXf::Identity(5,4);
cout<<"m2=\n"<<m2<<endl;
MatrixXf m3;
m3=m1*m2;
cout<<"m3.rows()="<<m3.rows()<<" ; "
<<"m3.cols()="<< m3.cols()<<endl;
cout<<"m3=\n"<<m3<<endl;
#pragma endregion
#pragma region Resizing
cout<<"*******************Resizing****************"<<endl;
//1D-resize
v1.resize(4);
cout<<"Recover v1 to 4*1 array : v1=\n"<<v1<<endl;
//2D-resize
m.resize(2,3);
m.resize(Eigen::NoChange, 3);
m.resizeLike(m2);
m.resize(2,2);
#pragma endregion
#pragma region Coeff_access
cout<<"*******************Coefficient access****************"<<endl;
float tx=v1(1);
tx=m1(1,1);
cout<<endl;
#pragma endregion
#pragma region Predefined_matrix
cout<<"*******************Predefined Matrix****************"<<endl;
//1D-object
typedef Matrix3f FixedXD;
FixedXD x;
x=FixedXD::Zero();
x=FixedXD::Ones();
x=FixedXD::Constant(tx);//tx is the value
x=FixedXD::Random();
cout<<"x=\n"<<x<<endl;
typedef ArrayXf Dynamic1D;
//或者 typedef VectorXf Dynamic1D
int size=3;
Dynamic1D xx;
xx=Dynamic1D::Zero(size);
xx=Dynamic1D::Ones(size);
xx=Dynamic1D::Constant(size,tx);
xx=Dynamic1D::Random(size);
cout<<"xx=\n"<<x<<endl;
//2D-object
typedef MatrixXf Dynamic2D;
Dynamic2D y;
y=Dynamic2D::Zero(rows,cols);
y=Dynamic2D::Ones(rows,cols);
y=Dynamic2D::Constant(rows,cols,tx);//tx is the value
y=Dynamic2D::Random(rows,cols);
#pragma endregion
#pragma region Arithmetic_Operators
cout<<"******************* Arithmetic_Operators****************"<<endl;
//add & sub
MatrixXf m4(5,4);
MatrixXf m5;
m4=m2+m3;
m3-=m2;
//product
m3=m1*m2;
//transposition
m5=m4.transpose();
//m5=m.adjoint();//伴随矩阵
//dot product
double xtt;
cout<<"v1=\n"<<v1<<endl;
v2.resize(4);
v2<<VectorXd::Ones(4);
cout<<"v2=\n"<<v2<<endl;
cout<<"*************dot product*************"<<endl;
xtt=v1.dot(v2);
cout<<"v1.*v2="<<xtt<<endl;
//vector norm
cout<<"*************matrix norm*************"<<endl;
xtt=v1.norm();
cout<<"norm of v1="<<xtt<<endl;
xtt=v1.squaredNorm();
cout<<"SquareNorm of v1="<<xtt<<endl;
#pragma endregion
cout<<endl;
} 去哪里更深入学习？
Please refer to Eigen中的类及函数、Eigen的官方教程，和一些教程上的相关内容。
3.FLANN - Fast Library for Approximate Nearest Neighbors
目前最完整的（近似）最近邻开源库。不但实现了一系列查找算法，还包含了一种自动选取最快算法的机制。
FLANN is written in C++ and contains bindings for the following languages: C, MATLAB and Python.算是比较完整的支持吧！
http://www.cs.ubc.ca/research/flann/
官网的介绍非常详细，几乎是面面俱到，希望能仔细阅读....
其中有一条新闻：
- You can find binary installers for FLANN on the Point Cloud Library project page. Thanks to the PCL developers!
此外，视觉博客的相关介绍：http://www.cvchina.info/tag/flann/
4.VTK 视觉化工具函数库
转自维基：http://zh.wikipedia.org/wiki/VTK
视觉化工具函式库（VTK， Visualization Toolkit）是一个开放源码，跨平台、支援平行处理（VTK曾用于处理大小近乎1个Petabyte的资料，其平台为美国Los Alamos国家实验室所有的具1024个处理器之大型系统）的图形应用函式库。2005年实曾被美国陆军研究实验室用于即时模拟俄罗斯制反导弹战车ZSU23-4受到平面波攻击的情形，其计算节点高达2.5兆个之多。
该函式库以开放源码的BSD授权释出。
官方主页：http://www.vtk.org/
扫一扫
1730
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
