Windows 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 3.21)

project(pcdimg)


set(CMAKE_BUILD_TYPE "Debug") 

# 设置PCL库的路径（假设PCL已经安装在系统中）
find_package(PCL 1.9 REQUIRED)
include_directories(${PCL_INCLUDE_DIRS})
link_directories(${PCL_LIBRARY_DIRS})
add_definitions(${PCL_DEFINITIONS})

# 添加你的源文件
add_executable(${PROJECT_NAME} pcdimg.cpp)

# 将PCL的DLL文件拷贝到输出目录
# file(GLOB PCL_DLLS "${PCL_ROOT}/bin/*.dll")
# file(COPY ${PCL_DLLS} DESTINATION "${CMAKE_BINARY_DIR}/Debug")

message("PCL_DLL: " ${PCL_LIBRARY_DIRS})
message("PCL_DLL: " ${PCL_ROOT})
message("PCL_LIB: " ${PCL_LIBRARIES})
# foreach(library ${PCL_LIBRARIES})
#   message("PCL_LIB: ${library}")
# endforeach()

# 链接PCL库
target_link_libraries(${PROJECT_NAME} 
    ${PCL_LIBRARIES})

        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。