Mac安装Qt配置opencv+pcl

已于 2022-01-24 14:31:52 修改
阅读量994 收藏 2
点赞数
分类专栏： OpenCV C++ 文章标签： mac
于 2020-07-31 17:57:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/OEMT_301/article/details/107718627
版权
C++ 同时被 2 个专栏收录
30 篇文章 1 订阅
订阅专栏
OpenCV
5 篇文章 0 订阅
订阅专栏

环境：macos+Qt5.15.0+opencv4.4.0+pcl1.9.1

安装
2、brew安装
打开：https://www.ipaddress.com/
在搜索框输入：raw.githubusercontent.com
在这里插入图片描述
修改系统文件hosts文件
在这里插入图片描述
在/etc/文件下找到hosts文件打开，添加自己对应内容，例如：199.232.68.133 raw.githubusercontent.com
在这里插入图片描述
安装brew：/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install.sh)"
安装wget:brew install wget
安装cmake：brew install cmake

2、 安装Qt
下载：官网下载
安装：直接根据需求安装即可
*3、 安装opencv4.4.0：*终端执行brew install opencv
*4、 安装pcl1.9.1：*参考 https://blog.csdn.net/OEMT_301/article/details/104250207
配置
1、 首先新建Qt项目
2、 Opencv项目：
在.pro文件中添加

INCLUDEPATH += /usr/local/Cellar/opencv/4.4.0/include
INCLUDEPATH += /usr/local/Cellar/opencv/4.4.0/include/opencv4
INCLUDEPATH += /usr/local/Cellar/opencv/4.4.0/include/opencv4/opencv2
LIBS += -L/usr/local/Cellar/opencv/4.4.0/lib -lopencv_gapi \
        -lopencv_stitching -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired \
        -lopencv_ccalib -lopencv_dnn_objdetect -lopencv_dnn_superres -lopencv_dpm \
        -lopencv_highgui -lopencv_face -lopencv_freetype -lopencv_fuzzy -lopencv_hfs \
        -lopencv_img_hash -lopencv_line_descriptor -lopencv_quality -lopencv_reg \
        -lopencv_rgbd -lopencv_saliency -lopencv_sfm -lopencv_stereo -lopencv_structured_light \
        -lopencv_phase_unwrapping -lopencv_superres -lopencv_optflow -lopencv_surface_matching \
        -lopencv_tracking -lopencv_datasets -lopencv_text -lopencv_dnn -lopencv_plot \
        -lopencv_videostab -lopencv_videoio -lopencv_xfeatures2d -lopencv_shape -lopencv_ml \
        -lopencv_ximgproc -lopencv_video -lopencv_xobjdetect -lopencv_objdetect \
        -lopencv_calib3d -lopencv_imgcodecs -lopencv_features2d -lopencv_flann -lopencv_xphoto \
        -lopencv_photo -lopencv_imgproc -lopencv_core

实例：

// main.cpp
#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
    Mat img = Mat::zeros(Size(400,400), CV_8UC3);
    imshow("img", img);
    waitKey(0);
    cout << "hello" << endl;
    return 0;
}

3、 pcl项目：
在.pro文件中添加

INCLUDEPATH += /usr/local/Cellar/flann/1.9.1_9/include
INCLUDEPATH += /usr/local/Cellar/eigen/3.3.7/include/eigen3
INCLUDEPATH += /usr/local/Cellar/vtk/8.2.0_10/include/vtk-8.2
LIBS += /usr/local/Cellar/vtk/8.2.0_10/lib/libvtk*.dylib

INCLUDEPATH += /usr/local/Cellar/boost/1.73.0/include
LIBS += /usr/local/Cellar/boost/1.73.0/lib/libboost_*.dylib

INCLUDEPATH += /usr/local/Cellar/pcl/1.9.1_9/include/pcl-1.9
LIBS += /usr/local/Cellar/pcl/1.9.1_9/lib/libpcl_*.dylib

实例

// main.cpp
#include <iostream>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/io/io.h>


using namespace std;
using namespace pcl;
using namespace io;

int main()
{
    PointCloud<PointXYZ>::Ptr cloud (new PointCloud<PointXYZ>);
    io::loadPCDFile("pcd文件路径", *cloud);
    if (cloud==NULL)
    {
        cerr << "can't read file bunny.pcd" << endl;
        return -1;
    }

    boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));

    pcl::visualization::PointCloudColorHandlerGenericField<pcl::PointXYZ> fildColor(cloud, "z"); // 按照z字段进行渲染

    viewer->addPointCloud<pcl::PointXYZ>(cloud, fildColor, "sample cloud");
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "sample cloud"); // 设置点云大小

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
        boost::this_thread::sleep(boost::posix_time::microseconds(100000));
    }

    return 0;
}

合并：

INCLUDEPATH += /usr/local/Cellar/flann/1.9.1_9/include
INCLUDEPATH += /usr/local/Cellar/eigen/3.3.7/include/eigen3
INCLUDEPATH += /usr/local/Cellar/vtk/8.2.0_10/include/vtk-8.2
LIBS += /usr/local/Cellar/vtk/8.2.0_10/lib/libvtk*.dylib

INCLUDEPATH += /usr/local/Cellar/boost/1.73.0/include
LIBS += /usr/local/Cellar/boost/1.73.0/lib/libboost_*.dylib

INCLUDEPATH += /usr/local/Cellar/pcl/1.9.1_9/include/pcl-1.9
LIBS += /usr/local/Cellar/pcl/1.9.1_9/lib/libpcl_*.dylib


INCLUDEPATH += /usr/local/Cellar/opencv/4.4.0/include
INCLUDEPATH += /usr/local/Cellar/opencv/4.4.0/include/opencv4
INCLUDEPATH += /usr/local/Cellar/opencv/4.4.0/include/opencv4/opencv2
LIBS += -L/usr/local/Cellar/opencv/4.4.0/lib -lopencv_gapi \
        -lopencv_stitching -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired \
        -lopencv_ccalib -lopencv_dnn_objdetect -lopencv_dnn_superres -lopencv_dpm \
        -lopencv_highgui -lopencv_face -lopencv_freetype -lopencv_fuzzy -lopencv_hfs \
        -lopencv_img_hash -lopencv_line_descriptor -lopencv_quality -lopencv_reg \
        -lopencv_rgbd -lopencv_saliency -lopencv_sfm -lopencv_stereo -lopencv_structured_light \
        -lopencv_phase_unwrapping -lopencv_superres -lopencv_optflow -lopencv_surface_matching \
        -lopencv_tracking -lopencv_datasets -lopencv_text -lopencv_dnn -lopencv_plot \
        -lopencv_videostab -lopencv_videoio -lopencv_xfeatures2d -lopencv_shape -lopencv_ml \
        -lopencv_ximgproc -lopencv_video -lopencv_xobjdetect -lopencv_objdetect \
        -lopencv_calib3d -lopencv_imgcodecs -lopencv_features2d -lopencv_flann -lopencv_xphoto \
        -lopencv_photo -lopencv_imgproc -lopencv_core

注：.pro中要添加自己对应的文件路径

———————————————————————————
2021年5月12日

INCLUDEPATH += /usr/local/Cellar/flann/1.9.1_10/include
INCLUDEPATH += /usr/local/Cellar/eigen/3.3.9/include/eigen3
INCLUDEPATH += /usr/local/Cellar/vtk@8.2/8.2.0_4/include/vtk-8.2
LIBS += /usr/local/Cellar/vtk@8.2/8.2.0_4/lib/libvtk*.dylib

INCLUDEPATH += /usr/local/Cellar/boost/1.75.0_2/include
LIBS += /usr/local/Cellar/boost/1.75.0_2/lib/libboost_*.dylib

INCLUDEPATH += /usr/local/include/pcl-1.11
LIBS += /usr/local/lib/libpcl_*.dylib


INCLUDEPATH += /usr/local/include
INCLUDEPATH += /usr/local/include/opencv4
INCLUDEPATH += /usr/local/include/opencv4/opencv2
LIBS += -L/usr/local/lib -lopencv_gapi \
        -lopencv_stitching -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired \
        -lopencv_ccalib -lopencv_dnn_objdetect -lopencv_dnn_superres -lopencv_dpm \
        -lopencv_highgui -lopencv_face -lopencv_fuzzy -lopencv_hfs \
        -lopencv_img_hash -lopencv_line_descriptor -lopencv_quality -lopencv_reg \
        -lopencv_rgbd -lopencv_saliency -lopencv_stereo -lopencv_structured_light \
        -lopencv_phase_unwrapping -lopencv_superres -lopencv_optflow -lopencv_surface_matching \
        -lopencv_tracking -lopencv_datasets -lopencv_text -lopencv_dnn -lopencv_plot \
        -lopencv_videostab -lopencv_videoio -lopencv_xfeatures2d -lopencv_shape -lopencv_ml \
        -lopencv_ximgproc -lopencv_video -lopencv_xobjdetect -lopencv_objdetect \
        -lopencv_calib3d -lopencv_imgcodecs -lopencv_features2d -lopencv_flann -lopencv_xphoto \
        -lopencv_photo -lopencv_imgproc -lopencv_core

头文件

#include <iostream>
#include <string>
#include <fstream>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
//#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/io/io.h>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace pcl;
using namespace io;
using namespace cv;

修改：
项目->Run->Environment->DYLD_LIBRARY_PATH删除配置项
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

———————————————————————————
2021年7月31日

INCLUDEPATH += /usr/local/Cellar/flann/1.9.1_11/include
INCLUDEPATH += /usr/local/Cellar/eigen/3.3.9/include/eigen3
INCLUDEPATH += /usr/local/Cellar/vtk@8.2/8.2.0_6/include/vtk-8.2
LIBS += /usr/local/Cellar/vtk@8.2/8.2.0_6/lib/libvtk*.dylib

INCLUDEPATH += /usr/local/Cellar/boost/1.76.0/include
LIBS += /usr/local/Cellar/boost/1.76.0/lib/libboost_*.dylib

INCLUDEPATH += /usr/local/include/pcl-1.11
LIBS += /usr/local/lib/libpcl_*.dylib

INCLUDEPATH += /usr/local/include
INCLUDEPATH += /usr/local/include/opencv4
INCLUDEPATH += /usr/local/include/opencv4/opencv2
LIBS += -L/usr/local/lib -lopencv_gapi \
        -lopencv_stitching -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired \
        -lopencv_ccalib -lopencv_dnn_objdetect -lopencv_dnn_superres -lopencv_dpm \
        -lopencv_highgui -lopencv_face -lopencv_fuzzy -lopencv_hfs \
        -lopencv_img_hash -lopencv_line_descriptor -lopencv_quality -lopencv_reg \
        -lopencv_rgbd -lopencv_saliency -lopencv_stereo -lopencv_structured_light \
        -lopencv_phase_unwrapping -lopencv_superres -lopencv_optflow -lopencv_surface_matching \
        -lopencv_tracking -lopencv_datasets -lopencv_text -lopencv_dnn -lopencv_plot \
        -lopencv_videostab -lopencv_videoio -lopencv_xfeatures2d -lopencv_shape -lopencv_ml \
        -lopencv_ximgproc -lopencv_video -lopencv_xobjdetect -lopencv_objdetect \
        -lopencv_calib3d -lopencv_imgcodecs -lopencv_features2d -lopencv_flann -lopencv_xphoto \
        -lopencv_photo -lopencv_imgproc -lopencv_core

#include <iostream>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/io/io.h>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace pcl;
using namespace io;
using namespace cv;

2021年8月1日:macos10.13.6

opencv4
pcl1.11
vtk-8.2
cmake

TEMPLATE = app
CONFIG += console c++14
CONFIG -= app_bundle
CONFIG -= qt

SOURCES += \
        main.cpp

INCLUDEPATH += /usr/local/Cellar/flann/1.9.1_11/include
INCLUDEPATH += /usr/local/Cellar/eigen/3.3.9/include/eigen3
INCLUDEPATH += /usr/local/include/vtk-8.2
LIBS += /usr/local/lib/libvtk*.dylib

INCLUDEPATH += /usr/local/Cellar/boost/1.76.0/include
LIBS += /usr/local/Cellar/boost/1.76.0/lib/libboost_*.dylib

INCLUDEPATH += /usr/local/include/pcl-1.11
LIBS += /usr/local/lib/libpcl_*.dylib

INCLUDEPATH += /usr/local/include
INCLUDEPATH += /usr/local/include/opencv4
INCLUDEPATH += /usr/local/include/opencv4/opencv2
LIBS += -L/usr/local/lib -lopencv_gapi \
        -lopencv_stitching -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired \
        -lopencv_ccalib -lopencv_dnn_objdetect -lopencv_dnn_superres -lopencv_dpm \
        -lopencv_highgui -lopencv_face -lopencv_fuzzy -lopencv_hfs \
        -lopencv_img_hash -lopencv_line_descriptor -lopencv_quality -lopencv_reg \
        -lopencv_rgbd -lopencv_saliency -lopencv_stereo -lopencv_structured_light \
        -lopencv_phase_unwrapping -lopencv_superres -lopencv_optflow -lopencv_surface_matching \
        -lopencv_tracking -lopencv_datasets -lopencv_text -lopencv_dnn -lopencv_plot \
        -lopencv_videostab -lopencv_videoio -lopencv_xfeatures2d -lopencv_shape -lopencv_ml \
        -lopencv_ximgproc -lopencv_video -lopencv_xobjdetect -lopencv_objdetect \
        -lopencv_calib3d -lopencv_imgcodecs -lopencv_features2d -lopencv_flann -lopencv_xphoto \
        -lopencv_photo -lopencv_imgproc -lopencv_core


#include <iostream>
#include <iostream>
#include <pcl/point_types.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/io/io.h>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace pcl;
using namespace io;
using namespace cv;

2021.8.13

INCLUDEPATH += /usr/local/Cellar/flann/1.9.1_11/include
INCLUDEPATH += /usr/local/Cellar/eigen/3.3.9/include/eigen3
INCLUDEPATH += /usr/local/Cellar/vtk@8.2/8.2.0_7/include/vtk-8.2
LIBS += /usr/local/Cellar/vtk@8.2/8.2.0_7/lib/libvtk*.dylib

INCLUDEPATH += /usr/local/Cellar/boost/1.76.0/include
LIBS += /usr/local/Cellar/boost/1.76.0/lib/libboost_*.dylib

INCLUDEPATH += /usr/local/include/pcl-1.11
LIBS += /usr/local/lib/libpcl_*.dylib


INCLUDEPATH += /usr/local/include
INCLUDEPATH += /usr/local/include/opencv4
INCLUDEPATH += /usr/local/include/opencv4/opencv2
LIBS += -L/usr/local/lib -lopencv_gapi \
        -lopencv_stitching -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired \
        -lopencv_ccalib -lopencv_dnn_objdetect -lopencv_dnn_superres -lopencv_dpm \
        -lopencv_highgui -lopencv_face -lopencv_fuzzy -lopencv_hfs \
        -lopencv_img_hash -lopencv_line_descriptor -lopencv_quality -lopencv_reg \
        -lopencv_rgbd -lopencv_saliency -lopencv_stereo -lopencv_structured_light \
        -lopencv_phase_unwrapping -lopencv_superres -lopencv_optflow -lopencv_surface_matching \
        -lopencv_tracking -lopencv_datasets -lopencv_text -lopencv_dnn -lopencv_plot \
        -lopencv_videostab -lopencv_videoio -lopencv_xfeatures2d -lopencv_shape -lopencv_ml \
        -lopencv_ximgproc -lopencv_video -lopencv_xobjdetect -lopencv_objdetect \
        -lopencv_calib3d -lopencv_imgcodecs -lopencv_features2d -lopencv_flann -lopencv_xphoto \
        -lopencv_photo -lopencv_imgproc -lopencv_core

#include <iostream>
#include <pcl/common/common_headers.h>
#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/console/parse.h>


int main()
{
    std::cout << "Test PCL !!!" << std::endl;

    pcl::PointCloud<pcl::PointXYZRGB>::Ptr point_cloud_ptr (new pcl::PointCloud<pcl::PointXYZRGB>);
    uint8_t r(255), g(15), b(15);
    for (float z(-1.0); z <= 1.0; z += 0.05)
    {
        for (float angle(0.0); angle <= 360.0; angle += 5.0)
        {
            pcl::PointXYZRGB point;
            point.x = 0.5 * cosf (pcl::deg2rad(angle));
            point.y = sinf (pcl::deg2rad(angle));
            point.z = z;
            uint32_t rgb = (static_cast<uint32_t>(r) << 16 |
                static_cast<uint32_t>(g) << 8 | static_cast<uint32_t>(b));
            point.rgb = *reinterpret_cast<float*>(&rgb);
            point_cloud_ptr->points.push_back (point);
        }
        if (z < 0.0)
        {
            r -= 12;
            g += 12;
        }
        else
        {
            g -= 12;
            b += 12;
        }
    }
    point_cloud_ptr->width = (int) point_cloud_ptr->points.size ();
    point_cloud_ptr->height = 1;

    boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));

    pcl::visualization::PointCloudColorHandlerGenericField<pcl::PointXYZRGB> fildColor(point_cloud_ptr, "z"); // 按照z字段进行渲染

    viewer->addPointCloud<pcl::PointXYZRGB>(point_cloud_ptr, fildColor, "sample cloud");
    viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "sample cloud"); // 设置点云大小

    while (!viewer->wasStopped())
    {
        viewer->spinOnce(100);
    }

    return 0;
}

2022.1.24
macbook M1
安装brew：

/bin/bash -c "$(curl -fsSL https://cdn.jsdelivr.net/gh/ineo6/homebrew-install/install.sh)"
echo 'eval "$(/opt/homebrew/bin/brew shellenv)"' >> /Users/joemt/.zprofile

INCLUDEPATH += /opt/homebrew/Cellar/flann/1.9.1_11/include
INCLUDEPATH += /opt/homebrew/Cellar/eigen/3.4.0_1/include/eigen3
INCLUDEPATH += /opt/homebrew/Cellar/vtk@8.2/8.2.0_7/include/vtk-8.2
LIBS += /opt/homebrew/Cellar/vtk@8.2/8.2.0_7/lib/libvtk*.dylib

INCLUDEPATH += /opt/homebrew/Cellar/boost/1.76.0/include
LIBS += /opt/homebrew/Cellar/boost/1.76.0/lib/libboost_*.dylib

INCLUDEPATH += /usr/local/include/pcl-1.11
LIBS += /usr/local/lib/libpcl_*.dylib


INCLUDEPATH += /usr/local/include
INCLUDEPATH += /usr/local/include/opencv4
INCLUDEPATH += /usr/local/include/opencv4/opencv2
LIBS += -L/usr/local/lib -lopencv_gapi \
        -lopencv_stitching -lopencv_aruco -lopencv_bgsegm -lopencv_bioinspired \
        -lopencv_ccalib -lopencv_dnn_objdetect -lopencv_dnn_superres -lopencv_dpm \
        -lopencv_highgui -lopencv_face -lopencv_fuzzy -lopencv_hfs \
        -lopencv_img_hash -lopencv_line_descriptor -lopencv_quality -lopencv_reg \
        -lopencv_rgbd -lopencv_saliency -lopencv_stereo -lopencv_structured_light \
        -lopencv_phase_unwrapping -lopencv_superres -lopencv_optflow -lopencv_surface_matching \
        -lopencv_tracking -lopencv_datasets -lopencv_text -lopencv_dnn -lopencv_plot \
        -lopencv_videostab -lopencv_videoio -lopencv_xfeatures2d -lopencv_shape -lopencv_ml \
        -lopencv_ximgproc -lopencv_video -lopencv_xobjdetect -lopencv_objdetect \
        -lopencv_calib3d -lopencv_imgcodecs -lopencv_features2d -lopencv_flann -lopencv_xphoto \
        -lopencv_photo -lopencv_imgproc -lopencv_core
Joemt
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
在MacOS上Qt配置OpenCV并进行测试
weixin_44954230的博客
12-21 1337
上一篇博客我讲了如何下载配置OpenCV库，但是在Qt5.15.2使用OpenCV库时，出现了一个问题就是我下载的Qt5.15.2是x86架构的，不能对OpenCV库进行链接，而OpenCV库是arm架构的直接使用Qt5.15.2编译链接OpenCV库链接头文件是可以的，但是使用OpenCV代码就不能成功链接编译了因此需要下载Qt6.3.1版本的， Qt6.3.1版本是arm架构的下载完成后打开Qt Creator在Qt版本里面加入Qt6.3.1的qmake一般是在下载的Qt版本文件bin目录下。
MacOS配置pcl1.9
02-10
MacOS配置pcl1.9，并利用配置好的pcl，完成一个简单实例，实例为CMakeList.txt项目。
QT + OPENCV + 海康工业相机显示不同处理阶段9宫格图像
10-11
QT + OPENCV + 海康工业相机显示不同处理阶段9宫格图像
Learning-OpenCV-QT5.6:mac qt5.6 opencv
05-01
Mac+QT5+OpenCV [toc] Mac上OpenCV安装 首先检查OpenCV是否安装成功 brew info opencv 安装OpenCV必须的依赖工具Cmake brew install cmake 安装OpenCV 安装OpenCV 2.4.X brew tap homebrew/science brew install opencv 安装OpenCV 3 brew tap homebrew/science brew install opencv3 在mac上安装OpenCV3的详细教程，可以参阅: 在Mac上使用OpenCV3有点小问题，因为OpenCV3包含了一样的一些库文件，所以OpenCV3不是通过/usr/local/lib来部署连接其体的库文件的。 OpenCV在QT中的配置 第一步，也是最重要的一步，找到pkg-config的存储位置。默认的pkg-conf
QT+opencv+OCR 身份证号码，银行卡号识别
03-01
此demo程序 包含QT调用opencv 对图像进行灰度处理、二值化、形态学操作、腐蚀、膨胀等处理获取识别区域，扔给OCR进行文本识别。
opencv+tesseract+QT实践篇.docx
08-24
文本已经对整个环境配置完成的情况下实现，有需要配置环境的文档请看我的其他上传。
Mac配置PCL项目 Xcode创建PCL工程 超详细，一步到位
DAdick的博客
04-14 1994
Mac配置PCL项目： 预安装 生成 创建Xcode的PCL工程（更简单）： 预安装 生成 1.1预安装：Xcode，homebrew，pcl，cmake 1.2生成项目:参考 Use PCL in your own project: 然后使用terminal查询安装信息： $brew info pcl 结果如此： 确定pcl安装完成； 注意：确定完...
学习Opencv（蝴蝶书/C++）代码——1.macOS下安装OpenCV4.8.0和QT5.15（C++）
Castlehe的博客
11-03 1157
cmake过程中会出现很多提示信息，比如关于库和安装的信息，也许以后会用得到，这里记录一下：（类似的日志可以在build_opecv/version_string.tmp 、build_opecv/CMakeVars.txt 中看到）macOS是苹果对Mac系列的电脑的操作系统，是基于Darwin内核的UNIX平台，类似于其他的类UNIX系统。本机之前安装了OPENEXR这个库，导致opencv直接用了这个brew安装的openexr，但是这个openexr并不包括zlib的依赖，因此显示。
MacOS+qt下配置opencv
qq_36939187的博客
01-14 644
1、终端安装opencv brew install opencv 2、查看安装版本 pkg-config --modversion opencv或pkg-config --cflags --libs opencv 若是报错： Package opencv was not found in the pkg-config search path. Perhaps you should add the directory containing `opencv.pc' to the PKG_CONF
cmake could not find openssl_Mac OSX系统CMake、QT5运行OpenCV 4.0
weixin_39770506的博客
11-26 312
最近打算练习下QT玩一玩，毕竟QT是跨平台的API，就可以免去了直接学各平台系统的API然后能做一些简单的应用，所以比较值得学习。对我来说，我比较关注计算机图形学和计算机视觉，所以最重要的包就是OpenGL和OpenCV。其中OpenGL在安装QT的时候，离线安装包中已经包含OpenGL和OpenGL ES，并且有对应的example来测试OpenGL，所以这部分没出太大问题。但是OpenCV遇到...
MAC 如何配置 PCL 库并在 VS Code 中使用
ma_nong33的博客
03-07 1017
PCL包含点云滤波、特征估计、三维重建、点云配准、模型拟合、目标识别和分割等算法。我这里下载到的路径是：（通过 ⌘command + ⇧shift + . 打开隐藏软件视图）/usr/local/Cellar 下（这在后面的配置中很重要）添加对应路径：（我们只需要添加最后两个即可，eigen 是用于解决 #include 的路径问题。因为 PCL 是新下载的，如果我们不把路径告诉 VS Code 的话，就会在 include 的位置，出现特别折磨的红色波浪线。
qt+vlcqt+opencv+rtsp+截图
02-24
qt+vlcqt+opencv+rtsp+截图
opencv+VTK+PCL.zip
01-04
opencv3.4.1 VTK7.1.1 PCL1.8.1
在macos下安装python-pcl
isyiming的博客
02-12 3164
pcl（point cloud libary）是一个开源点云处理库，2017年开始出了python接口，虽然还不完善，但是一些常用功能都有了。 迫不及待的想试试，可是安装的时候还是遇到了些问题，在此记录下来。 python-pcl源码地址：https://github.com/strawlab/python-pcl 现在（2019.11.12）python-pcl在macos下只支持pyth...
Macbook配置PCL——使用homebrew
pangshuxin的专栏
11-15 4689
之前写过一个使用macports安装pcl的文章，大致介绍了一下在macbook上使用macports辅助安装配置pcl的过程，整个过程耗时费力，期间出现了大量问题，不过最终还是配置成功。近期使用homebrew实验了一次配置pcl的过程，发现极其顺利，基本上没有任何阻力。下面大致介绍一下安装过程。 首先需要安装homebrew，这个过程可以百度直接查询homebrew的安装配置过程。 安装完
电脑环境PCL配置及VS2019环境配置
rain_1324的博客
10-24 5028
VS2019配置pcl 1.12.0 前言 对于3D点云处理来说，PCL完全是一个的模块化的现代C++模板库。其基于以下第三方库：Boost、Eigen、FLANN、VTK、CUDA、OpenNI、Qhull，实现点云相关的获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。 PCL利用OpenMP、GPU、CUDA等先进高性能计算技术，通过并行化提高程序实时性。K近邻搜索操作的构架是基于FLANN (Fast Library for Approximate Nearest Ne.
三维重建之环境搭建4-VS2017+QT+Opencv+PCL安装
KLNSDFHUASF的博客
04-15 735
参考：https://www.cnblogs.com/li-yao7758258/p/8066352.html 注意：安装到快结束的时候会弹出安装OpenNI的提示，建议安装到你自定义的第三方库的目录下，接下来安装第三方的库函数的时候记住要在自己选定的安装路径下安装，比如我是安装在D盘下，所以当提示安装openni的时候我们需要给opneni更改到自己选定的安装PCL的第三方库安装的路径下（不是硬...
VS2019+QT5.12.12+opencv+pcl1.12.1 显示点云，运行程序报错-无法定位程序输入点于链接库 如何解决？
最新发布
zyx2050的博客
01-19 424
VS2019+QT+opencv+pcl中显示点云，编译成功，执行程序报错。
粒子滤波算法理解及实现
热门推荐
Joemt
12-31 1万+
粒子滤波算法是一种非线性的滤波方法。 其大致思路如下（这里以图像目标（人）跟踪为例）： 1、 首先在整个图像中随机初始化一些粒子点，并对每个粒子点分配权值 2、 在视频中框出待跟踪目标 3、 更新权值，增加靠近框出的目标粒子权值 4、 根据状态转移矩阵和测量数据，对粒子权重，对粒子进行重采样 粒子滤波示过程示意图 初始化图像粒子点和权重 框出待跟踪目标 更新权重，其中权重较小的直接舍弃，权值较...
双目相机三维重建opencv+pcl
06-24
### 回答1： 双目相机是利用两个摄像头分别拍摄同一场景，从而获取不同视角下的图像信息，以实现深度信息的获取。三维重建是指通过图像处理技术将拍摄得到的二维图像转化为三维模型的过程。 在实现双目相机三维重建的过程中，可以使用OpenCV和PCL这两个开源库。OpenCV是一款计算机视觉库，提供了许多图像处理和计算机视觉相关的函数和工具，比如图像读取和处理、特征提取和匹配等。PCL是一款点云处理库，能够处理三维点云数据，提供了点云滤波、分割、配准和特征提取等功能。 具体步骤如下： 1. 获取双目相机的图像，进行标定。标定可以校准摄像头对应的内参矩阵和外参矩阵，以保证匹配时的准确度。 2. 通过绝对/相对模板匹配获取左右匹配的特征点。之后可以使用立体匹配算法（例如SGBM算法）计算出匹配点的视差（即左右视图在深度方向上的偏差），根据视差反向计算出点的深度。 3. 将获取的深度点云数据使用PCL进行处理，如点云滤波、重采样、分割等。之后可以使用PCL提供的立体配准算法对左右图像进行配准，基于此获取的点云数据中的关键点，进行特征点匹配，从而实现三维重建。 总之，双目相机三维重建opencv-pcl结合使用能够高效地完成三维重建任务，这是一个较为复杂的过程，需要仔细设计，注意参数设置和优化算法。 ### 回答2： 双目相机三维重建是利用双目相机获取的两幅图像，通过计算机视觉算法对相机观察到的场景进行三维重建的技术。OpenCV是一种开源的计算机视觉库，提供了许多图像处理和计算机视觉算法，PCL（PointCloud Library）则是一种开源的点云处理库，提供了各种点云相关的处理算法。 通过结合OpenCV和PCL，我们可以实现双目相机的三维重建。首先，需要利用OpenCV对双目相机获取的两幅图像进行立体匹配，得到两幅图像中对应像素点的视差。然后，通过视差计算相机与场景物体之间的距离信息，并将其转化为点云数据。最后，利用PCL对点云数据进行处理，实现三维重建。 具体的步骤包括： 1.读取左右相机的图像并进行预处理，包括图像去畸变和校正，以及调整图像的大小和尺度等。 2.使用OpenCV的立体匹配算法对左右相机图像进行匹配，得到像素点的视差图像。 3.通过三角化算法将视差信息转化为深度信息，并将深度信息转换为点云数据。 4.利用PCL对点云数据进行后续处理，包括点云滤波、点云重建和点云配准等。 5.最终得到的结果是场景的三维模型，可以对其进行渲染和可视化等操作。 总之，双目相机的三维重建是一项复杂的技术，在实践过程中需要综合运用计算机视觉、图像处理和点云处理等多个领域的知识和算法，但是对于建模、制造等领域来说，这是一项非常重要的技术。 ### 回答3： 双目相机三维重建是一种利用双目相机获取的视差数据来进行三维物体建模的技术。这种技术可以被应用到多个领域，如机器人导航、自动驾驶、医疗影像等。OpenCV是一个强大的计算机视觉库，支持多种计算机视觉算法和工具，能够方便地进行图像处理、特征提取和目标跟踪。而PCL是点云库，提供了处理点云数据的算法、工具和可视化功能。 实现双目相机三维重建，需要使用OpenCV和PCL。首先，利用双目相机捕获的两幅图像计算出视差图。然后，使用OpenCV提供的函数或者自定义算法，将视差图转换为深度图。接着，利用PCL提供的点云算法，将深度图转换为点云数据。最后，利用PCL的可视化工具，对点云数据进行可视化展示或二次处理。 在使用OpenCV和PCL进行双目相机三维重建时，需要注意几个关键点。首先，在捕获图像前需要进行相机标定，获取相机内参和外参等参数。这是很重要的，因为只有相机准确校准后，才能保证三维建模的精度和稳定性。其次，在计算视差图和深度图时，需要选择适合的计算方法和参数。这些参数可能会受到图像分辨率、灰度分布和光照等因素的影响。最后，在进行点云处理和可视化时，需要选择合适的算法和工具，以免因数据量过大或算法不精确而影响计算效率和准确性。 总之，双目相机三维重建结合OpenCV和PCL，是一种强大的三维重建技术。它可以应用到多个领域，包括机器人导航、自动驾驶、医疗影像等。在实现过程中，需要根据具体实际情况进行合理选择和优化，以保证算法的精度、效率和稳定性。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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