PCL在win10环境Visual Studio2015中的配置

本文介绍在windows环境下配置PCL1.80的开发环境。

电脑配置如下：

1.windows 10 64位操作系统

2.下载对应Visual Studio 2015 64 位PCL1.8和对应的PDB文件

1.点击安装对应的PCL文件，安装过程中勾选配置系统环境变量

把PDB文件解压缩，把里面所有的.pdb文件拷贝到PCL安装bin目录下

2.安装完成后，得到环境变量下的如下：

以上几个是自己安装过程中自动添加的，下面需要自己手动添加几个环境变量

3.接着打开visual studio 2015，新建项目文件，然后配置对应的属性文件，点击DEBUG 64，添加新属性表文件。

把对应的包和库目录文件一并添加进来

4.接着添加连接器-输入，把对应的lib文件添加

其中的PCL安装目录下的lib文件夹，以及下面几个文件夹下的lib文件夹下的文件都添加

我的属性表文件下载如下：

http://download.csdn.net/detail/oliverkingli/9828188

4.

接着使用以下代码进行测试：

#include <pcl/visualization/cloud_viewer.h>
#include <iostream>
#include <pcl/io/io.h>
#include <pcl/io/pcd_io.h>

int user_data;

void viewerOneOff(pcl::visualization::PCLVisualizer& viewer)
{
    viewer.setBackgroundColor(1.0, 0.5, 1.0);
    pcl::PointXYZ o;
    o.x = 1.0;
    o.y = 0;
    o.z = 0;
    viewer.addSphere(o, 0.25, "sphere", 0);
    std::cout << "i only run once" << std::endl;

}

void viewerPsycho(pcl::visualization::PCLVisualizer& viewer)
{
    static unsigned count = 0;
    std::stringstream ss;
    ss << "Once per viewer loop: " << count++;
    viewer.removeShape("text", 0);
    viewer.addText(ss.str(), 200, 300, "text", 0);

    //FIXME: possible race condition here:
    user_data++;
}

int main()
{
    pcl::PointCloud<pcl::PointXYZRGBA>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZRGBA>);
    pcl::io::loadPCDFile("my_point_cloud.pcd", *cloud);

    pcl::visualization::CloudViewer viewer("Cloud Viewer");



    //blocks until the cloud is actually rendered
    viewer.showCloud(cloud);

    //use the following functions to get access to the underlying more advanced/powerful
    //PCLVisualizer

    //This will only get called once
    viewer.runOnVisualizationThreadOnce(viewerOneOff);

    //This will get called once per visualization iteration
    viewer.runOnVisualizationThread(viewerPsycho);
    while (!viewer.wasStopped())
    {
        //you can also do cool processing here
        //FIXME: Note that this is running in a separate thread from viewerPsycho
        //and you should guard against race conditions yourself...
        user_data++;
    }
    return 0;
}

我的是使用opencv配置环境下学习高翔博士的slam

// RGB_D_slam_test1.2.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"

// c++标准库
#include <iostream>
#include <string>
using namespace std;

// Opencv 库
#include <opencv2\core\core.hpp>
#include <opencv2\highgui\highgui.hpp>

// PCL 库
#include <pcl\io\pcd_io.h>
#include <pcl\point_types.h>

// 定义点云类型
typedef pcl::PointXYZRGBA PointT;
typedef pcl::PointCloud<PointT> PointCloud;

// 相机参数
const double camera_factor = 1000;
const double camera_cx = 325.5;
const double camera_cy = 253.5;
const double camera_fx = 518.0;
const double camera_fy = 519.0;

int _tmain(int argc, _TCHAR* argv[])
{
	// 图像矩阵
	cv::Mat rgb, depth;
	// rgb 是8UC3的彩色图像
	rgb = cv::imread("data\\rgb.png");
	// depth 是16UC1的单通道图像，flags设置-1，表示读取原始数据不做任何的修改
	depth = cv::imread("data\\depth.png", -1);

	// 点云变量；使用智能指针，创建一个空点云
	PointCloud::Ptr cloud(new PointCloud);

	// 遍历深度图
	for (int m = 0; m < depth.rows; ++m)
	{
		for (int n = 0; n < depth.cols; ++n)
		{
			// 获取深度图中（m,n）处的值
			ushort d = depth.ptr<ushort>(m)[n];
			if (d == 0)
				continue;

			PointT p;

			// 计算这个点的空间坐标
			p.z = double(d) / camera_factor;
			p.x = (n - camera_cx) * p.z / camera_fx;
			p.y = (m - camera_cy) * p.z / camera_fy;

			// 从rgb图像中获取它的颜色
			// rgb是三通道的RGB格式图，所以俺下面的顺序获取颜色
			p.b = rgb.ptr<uchar>(m)[n * 3];
			p.g = rgb.ptr<uchar>(m)[n * 3 + 1];
			p.r = rgb.ptr<uchar>(m)[n * 3 + 2];

			// 把p加入到点云中
			cloud->points.push_back(p);
		}
	}

	// 设置并保存点云
	cloud->height = 1;
	cloud->width = cloud->points.size();
	cout << "point cloud size  =  " << cloud->points.size() << endl;
	cloud->is_dense = false;
	pcl::io::savePCDFile("data\\pointcloud.pcd", *cloud);

	// 清楚数据并退出
	cloud->points.clear();
	cout << "point cloud saved." << endl;
	return 0;
}

得到的点云图如下：