PCL学习系列一：在Ubuntu上从源码安装PCL（Point Cloud Library）

梦想的理由

已于 2024-06-28 16:26:12 修改

阅读量2k

点赞数 5

分类专栏： c++ ubuntu cuda 文章标签：学习 ubuntu linux

于 2023-12-01 18:52:45 首次发布

本文链接：https://blog.csdn.net/m0_51661400/article/details/134741704

版权

c++ 同时被 3 个专栏收录

16 篇文章

订阅专栏

ubuntu

10 篇文章

订阅专栏

cuda

4 篇文章

订阅专栏

文章目录

前言
安装方法
总结

前言

欢迎阅读这篇关于如何在Ubuntu系统上从源码安装Point Cloud Library（PCL）的简明指南。PCL是一个强大的开源库，广泛应用于3D点云的处理和分析，是机器人学、计算机视觉以及图像处理领域不可或缺的工具。无论您是一名研究人员、开发者还是爱好者，掌握如何正确安装PCL都是进入这一领域的重要一步。

在这篇博客中，我将带您走过安装PCL的整个过程，包括处理常见的配置问题和依赖关系。我们将从安装必要的依赖项开始，然后详细介绍如何从源码编译PCL，以及如何解决在这一过程中可能遇到的一些常见错误。本指南旨在提供一个清晰、简洁的步骤说明，帮助您顺利完成安装过程。

这个方法最高适用于pcl-1.11.1版本，pcl-1.12版本会出很多问题（我遇到的主要是找不到CMinpack的问题），这里不作详细讨论。

安装方法

在Ubuntu系统下从源码安装PCL（Point Cloud Library）是一个相对复杂的过程，但它允许您获得最新的功能和自定义安装。以下是从源码安装PCL的基本步骤：

安装依赖项
首先，您需要安装PCL所依赖的一些库和工具。这个可以在cmake配置的时候根据报错信息来调整。
我在编译时，主要是报了缺少Eigen3和Boost还有FLANN，直接apt安装就行。pcl的visualization模块依赖于 VTK（Visualization Toolkit）。如果在编译时没有安装 VTK，visualization 模块就不会被编译。但是不会报错，如果有可视化需求还是建议安装。

安装Eigen3库

sudo apt-get install libeigen3-dev

安装Boost库

sudo apt-get install libboost-all-dev

安装FLANN 库

sudo apt install libflann-dev

安装VTK库

sudo apt install libvtk7-dev

NVIDIA GPU架构
CMake在配置过程中需要确定CUDA编译器的默认架构。
使用nvidia-smi命令查到我的显卡是Tesla P40，通过GPU型号来查找对应的架构。
在 CUDA 编程和配置方面，对于基于 Pascal 架构的 Tesla P40，其计算能力为 6.1，在 CMake 中，您可以设置 -DCUDA_ARCH_BIN="6.1"。
具体到本项目中，CMAKE_CUDA_ARCHITECTURES 变量被设置了，但是没有提供具体的值。这个变量用于指定CUDA编译器应该针对哪些GPU架构生成代码。当在编译需要CUDA支持的项目（如PCL的某些部分）时，正确设置这个变量是很重要的。
所以编译时的指令应该加上-DCMAKE_CUDA_ARCHITECTURES="61"。

克隆PCL源码
使用Git克隆PCL的源码仓库：

git clone https://github.com/PointCloudLibrary/pcl.git

编译PCL并安装
进入克隆的PCL目录，并创建一个构建目录：

cd pcl
mkdir build && cd build
# 61这个数字根据不同的显卡调整
cmake -DCMAKE_CUDA_ARCHITECTURES="61" ..
make -j$(nproc)
sudo make install

这里的-j$(nproc)命令将根据您的CPU核心数并行编译，以加快编译过程。

总结

本文介绍了在Ubuntu系统上从源码安装Point Cloud Library（PCL）的全过程。这个过程不仅仅是关于执行一系列命令，更是一个深入理解PCL配置和依赖管理的机会。通过克服安装中的各种挑战，您现在已经具备了将PCL应用于复杂项目的基础。

本指南的目的是提供一个结构化和详细的步骤说明，确保您能够在安装PCL时避免常见的陷阱和错误。从处理依赖项、解决编译错误，到配置CUDA架构，每一步都是为了确保您能够在自己的系统上顺利运行PCL。