【PCL学习】之一配置vs可编译的PCL环境

最新推荐文章于 2024-03-03 23:52:38 发布

chenyj92

最新推荐文章于 2024-03-03 23:52:38 发布

阅读量4.5k

点赞数 1

分类专栏： PCL

本文链接：https://blog.csdn.net/chenyj92/article/details/42077705

版权

PCL 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

前一段时间配置PCL环境，学习KinectFusion，走了许多弯路，一直想写一篇记录一下自己的心得，网上也有不少博客可以参考，我这里尽量从菜鸟的角度写得详细些。

Point Cloud Library (PCL) 是一个独立的大型的处理二维/三维图像和点云数据的开源工程，由Willow Garage公司开发，起初只是以PR2机器人在3D数据感知算法处理上速度更快为目标，后来才渐渐发展为一个独立的函数库。PCL包含了许多先进算法，比如滤波，特征估计，表面重建，模型拟合和分割等等。最重要的是它是一个开源的库，便于开发和学习。

废话不多说，进入正题。

首先推荐两篇参考的博客和官网的配置教程：

http://blog.csdn.net/chenxin_130/article/details/6693390

http://blog.csdn.net/u010696366/article/details/19428809

http://pointclouds.org/documentation/tutorials/compiling_pcl_windows.php

三方依赖下载地址：

http://www.pointclouds.org/downloads/windows.html

硬件配置：

有一个支持CUDA的Nvidia独立显卡，要求Compute Capability大于2.2，具体安装CUDA后，手册中有CUDA-Capable GPU List ，我的显卡是Geforce GTX 750M。

简单说一下配置的过程：

1.首先参照第一篇博客安装openni、SensorKinect以及NITE，尽量安装在C盘吧。

OpenNI(开放自然交互)是一个多语言，跨平台的框架，它定义了编写应用程序，并利用其自然交互的API。OpenNI API由一组可用来编写通用自然交互应用的接口组成。OpenNI的主要目的是要形成一个标准的API，来搭建视觉和音频传感器与视觉和音频感知中间件通信的桥梁。

SensorKinect就是kinect的驱动，安装之后在设备管理器中应给就能看到kinect了。

NITE也是一个中间件，主要用于手势识别、骨骼识别。

测试程序可以在C:\Program Files\OpenNI\Samples\Bin\Release下找到，NiViewer.exe和NiSimpleViewer.exe都是显示深度图，如果都运行没问题就可以。我一开始下载官方第三方依赖中的openni和sensor，但是会提示缺失openni64.dll，无奈之下从其他地方下载安装之后就没问题了，下载地址：https://simple-openni.googlecode.com/files/OpenNI_NITE_Installer-win32-0.27.zip

2.安装cmake2.8.3以上版本，可以在官网上下载，用于编译PCL源码和KinectFusion。

3.下载CUDA，至少4.0以上，CUDA安装包一般包括the CUDA Toolkit，SDK code samples和developer drivers。根据自己电脑情况，注意32位和64位的区别，不要安装两个不同版本的，一般电脑都会装过驱动了，如果装了的话就不用装NVIDIA Display Driver。同样，安装路径可以自己指定，不一定要C盘。

4.下载PCL源码并用cmake生成vs项目。

参考第二篇博文以及官网。先把所有的第三方依赖都下下来。如果完成了第一步那就不用下载openni里面的那两个了。一个一个进行安装，速度还是挺快的，安装的目录可以自己设置。注意Qt安装完需要手动在系统变量里添加QTDIR，值设为C:\Qt\4.8.0，否则后面在cmake生成工程时会找不到QT的目录。

同时从github下载PCL源码，下载地址：https://github.com/PointCloudLibrary/pcl。有的人这一步用DownLoadSVN，其实好像没有必要。

把PCL源码解压出来，Where is the source code设置为源码目录，Where to build the binaries设置为你想生成vs工程所在的目录。我用的是vs2010，所以选择visual studio 10即可。点击configure。把右上角Grouped、Advanced都勾选上。在BUILD里面选中BUILD_CUDA，BUILD_GPU，BUILD_apps，BUILD_apps_in_hand_scanner，BUILD_gpu_kinfu，BUILD_gpu_kinfu_large_scale。再点击configure。之后BUILD和FZAPI都会变成红色，FZAPI是NOTFOUND，这个我们不管。在BUILD中勾选BUILD_cuda_apps，其他可以不管。再次点击configure，然后点击generate。确认以下模块是否被编译。

common
octree
io
kdtree
search
sample_consensus
filters
2d
geometry
features
ml
segmentation
visualization
surface
registration
keypoints
tracking
recognition
stereo
apps
outofcore
examples
people
global_tests
tools

5.编译vs工程

打开生成好的PCL工程，右键All Build生成，生成静态库，无特殊需求可以不用release。我的工程里有差不多300个项目，编译时间因机器而异，我的笔记本大概跑了45分钟吧。最后右键INSTALL点击生成。这里有个要注意的点，一定要用管理员权限打开vs，否则这一步会失败，我的电脑是win8的，具体如下，点击下方的以管理员身份运行，再打开工程。