RAPter（Ubuntu配置OpenCV）

配置RAPter参考了RAPter on Ubuntu

配置OpenCV

但是他的教程安装openCV有点问题，他用脚本装的最新的openCV，四点几的版本不适用，安装别的教程装上openCV。

- OpenCV源码下载网址Releases - OpenCV

- 卸载并安装openCV可参考  ubuntu下彻底卸载opencv的方法 （我并没有卸载，因为检测不到。

命令：pkg-config --modversion opencv）

ubuntu16.04安装Opencv3.4.0

ubuntu16.04安装opencv3.4.1教程

Ubuntu16.04卸载opencv2.4.9并安装opencv3.2.0+contrib

Ubuntu16.04卸载opencv 3.0.0，安装opencv3.4.2 + contrib

- 遇到的bug源码编译opencv卡在IPPICV: Download: ippicv_2017u3_lnx_intel64_general_20170822.tgz解决办法

- 我并没有像教程里写的去配置环境变量，测试是用的自带的摄像头sample

配置PCL

参考上篇博客

编译RAPter

rapter下的cmakelist.txt改一下路径，路径参考另篇关于cmake的博客。

编译完rapter，可以编译一下可视化模块visualization里面的cmake，同样修改一下PCL的路径。

运行RAPter

参考了室内场景重建一 粗略平面拟合

ln -s panasonic_0.1_n.ply cloud.ply
python RAPter/scripts/rapter.py -s 0.2 --al 15 --pw 1.0 -t 4 --cl cloud.ply

第一行是创建软链接，第二行在rapter.py路径下面运行。因为会创建很多csv文件，所以建议新创建一个scene文件夹里跑数据。（该作者提供的ply不能用，使用自己的ply建筑物数据）

可视化

-- 编译完visualization后，生成bin文件夹下面的rapterVIS，放在scripts同级目录下。运行rapter时，会可视化每次迭代的结果。

-- 另外单独可视化的方法是，是用show.py的脚本。注意后面两个文件必须放在script文件夹下面。

show.py -s 0.01 -p primitives.csv -a points_primitives.csv
python /home/lzw/workspace/RAPter/RAPter/scripts/show.py -s 0.01 -p patches.csv -a points_primitives.csv

 

 

编译对比算法：

编译ransac和pearl，只需要把rapter文件夹里的cmakelist.txt中的OFF全部改成ON，它的exe默认编译在build\release\bin下面，所以创建build01、build02，最后还是在build文件夹里生成。

SET( WITH_PEARL ON CACHE BINARY "Compile pearl executable.")
SET( WITH_RSAC ON CACHE BINARY "Compile ransac executable.")
SET( WITH_CORRESP ON CACHE BINARY "Correspondance miniprogram compilation.")
SET( WITH_GLOBFIT ON CACHE BINARY "GlobFit (Li'11) comparison.")
SET( WITH_EVAL ON CACHE BINARY "Evaluation code")
SET( WITH_REFIT ON CACHE BINARY "Constrained refit project")
SET( WITH_GCO ON CACHE BINARY "Compile alpha-expansion library by Veksler and Delong, needed by PEARL, RSAC and REFIT projects.")

patch.csv就是primitives.csv

Ransac：

# run schnabel
../ransac --schnabel3D --cloud cloud.ply -p patches.csv -a points_primitives.csv --scale 0.025 --minsup 600

../show.py -s 0.02 --cloud schnabel_minsup10.cloud.ply -p schnabel_minsup10.primitives.csv -a schnabel_minsup10.points_primitives.csv

PEARL:

../pearl --3D --scale 0.04 --pw 2000 --cmp 500 --prims segments.csv
../pearl --scale 0.01 --cloud cloud.ply --prims patches.csv --assoc points_primitives.csv --pw 1000 --cmp 1000 

../show.py -s 0.04 -a points_primitives.pearl.csv -p primitives.pearl.csv