Ubuntu PCL CMakeLists.txt配置示例

  【版权声明】
本文为博主原创文章，未经博主允许严禁转载，我们会定期进行侵权检索。   

参考书籍：《人工智能点云处理及深度学习算法》

 本文为专栏《Python三维点云实战宝典》系列文章，专栏介绍地址“【python三维深度学习】python三维点云从基础到深度学习_python3d点云从基础到深度学习-CSDN博客”。配套书籍《人工智能点云处理及深度学习算法》提供更加全面和系统的解析。

        在计算机视觉和机器人领域，点云和图像是机器人感知的关键输入，它可以将不同传感器获取的点云数据或图像数据进行融合，从而实现更精确的环境重建、目标检测等应用。本文将介绍如何使用CMake构建一个基于PCL（Point Cloud Library）、OpenCV和Ceres的点云图像项目。

        首先，我们需要在CMakeLists.txt中设置项目的基本信息和依赖项。以下是一个简化的示例：

cmake_minimum_required(VERSION 3.20)
project(pcdimg)

# 设置Eigen的路径并查找Eigen库
set(EIGEN3_INCLUDE_DIRS "/usr/include/eigen3")
find_package(Eigen3 REQUIRED)

# 设置Ceres的路径并查找Ceres库
find_package(Ceres REQUIRED)

# 设置Boost的路径并查找Boost库
find_package(Boost REQUIRED COMPONENTS system)

# 设置PCL的路径
set(PCL_DIR "/usr/local/include/pcl-1.8")
set(PCL_LIBRARIES "/usr/local/lib")

# 设置OpenCV的路径
set(OPENCV_LIBDIRS "/usr/local/lib")

# 添加头文件路径
include_directories(
    ${Boost_INCLUDE_DIRS}
    ${CMAKE_CURRENT_SOURCE_DIR}/include
    /usr/local/include
    /usr/include/
    /usr/local/include/opencv4
    /usr/include/eigen3
    /usr/local/include/pcl-1.8
)

# 设置编译类型为Debug模式
set(CMAKE_BUILD_TYPE "Debug")
set(EXECUTABLE_OUTPUT_PATH ${PROJECT_SOURCE_DIR}/bin)

# 添加可执行文件
add_executable(pcdimg_registry main.cpp pcdimg.cpp)

# 查找PCL和OpenCV的库文件并链接
file(GLOB PCL_LIB_FILES ${PCL_LIBRARIES}/libpcl*)
file(GLOB OPENCV_LIB_FILES ${OPENCV_LIBDIRS}/libopencv*)
target_link_libraries(${PROJECT_NAME} PRIVATE 
    ${PCL_LIB_FILES}
    ${OPENCV_LIB_FILES}
    Ceres::ceres
    Eigen3::Eigen
)

        在这段代码中，我们设置了项目的名称为pcdimg，并指定了项目所需的依赖项，包括Eigen、Ceres、Boost、PCL和OpenCV。然后，我们设置了各个库的路径并进行了查找和链接操作。最后，我们指定了编译类型为Debug模式，并设置了可执行文件的输出路径。

        通过以上配置，我们可以使用CMake来构建这个点云图像项目，为后续的应用提供基础支持。希望本文对您理解如何使用CMake构建基于PCL、OpenCV和Ceres的项目有所帮助！

【版权声明】
本文为博主原创文章，未经博主允许严禁转载，我们会定期进行侵权检索。  

更多python与C++技巧、计算机视觉基础到实践完整指南、三维算法、深度学习算法总结、大模型请关注我的博客，欢迎讨论与交流：https://blog.csdn.net/suiyingy，或”乐乐感知学堂“公众号。Python三维领域专业书籍推荐：《人工智能点云处理及深度学习算法》。

本文为专栏《Python三维点云实战宝典》系列文章，专栏介绍地址“【python三维深度学习】python三维点云从基础到深度学习_python3d点云从基础到深度学习-CSDN博客”。配套书籍《人工智能点云处理及深度学习算法》提供更加全面和系统的解析。