linux的进程pcd,Linux下 PCL源码安装

不得不知的PCL

所谓PCL(Point Cloud Library)其实就是一个开源的c++代码库，它实现了大量点云相关的通用算法和高效的数据管理结构，不仅涉及逆向工程领域，其还在模式识别，机器人视觉，计算机图形学，虚拟现实等众多领域大显神威。

基于以下第三方库：Boost，Eigen，FlANN，VTK，OpenNI，QHull，实现了点云获取，滤波，分割，精简，配准，特征提取，追踪，曲面重建和可视化等功能。

迈开“艰难”的第一步

所谓“艰难”的第一步，其实说白了就是IDE的选择问题，只是因为自己对Linux和window都是略知一二。在选择Linux或win搭建开发平台时犯了所谓的“选择恐惧症”的问题。先说window，因为自己以前曾在window+vs2010下配置opengl开发环境，在配置opengl时，各种依赖各种手动链接然后各种错误，不胜其烦，也因为在win下各种编程的不适，让我果断选择了在linux下搭建开发平台。

既然选择了linux，那末接下来便是理所当然的事情--获取PCL源码包。PCL源码包可以在其官方网站获取，当获取源码包之后，顺理成章的便是将其解压并在解压出的文件新建一个空工程文档(我的习惯是mkdir build && cd build，以下便用build代表自己所建的工程文档吧)，进入build之后，便可执行 cmake..，利用cmake编译源码包，用以生成和自己电脑环境相匹配的开发环境。当然，如果你只想用PCL的某个单一的功能，可在build文件中执行ccmake..，这时候，便会出现一个选择窗口，只对你想安装的函数选择编译即可。

在cmake阶段，cmake会根据CmakeLists.txt 文件生列出所需要安装的依赖库(boost,qhull,eigen等)，查看cmake的输出，按提示安装所缺少的库即可，最终生成所需要的MakeFile文件。

既然现在已经生成了和自己电脑环境匹配的PCL环境，下一步自然是是依据你cmake生成的编译环境，建立PCL的链接库，这样必须用make，即 make (耗时较长)。

环境配置好了，PCL的链接库也已经生成，最后一步就是将我们生成的各种库文件安装在我们电脑中，sudo make install 可帮你完成你的意愿。

建议：

此源码安装不针对任何Linux系统，gentoo，ubantu等都适用。

若打算源码安装，在安装之前最好先更新一下系统，这样基本能保证所安装的包为最新包。

其实罗嗦了这麽一大堆，归结起来就以下步骤句话：

下载获取PCL源文件解压，并 cd pcl

mkdir build && cd build

cmake .. ，按照提示安装所需依赖包

make

sudo make install

把“浮云”抛到身后

暂时先把PCL的命名规范，目录命名，结构体，类，变量名等等以后必不可少，但现在还用不到的东西统统称为“浮云”，既然归于浮云，那就先让它随风而逝吧。

相信必定有或多或少的“同志”和我一样，在完美构建完PCL开发平台之后，第一件事并不是拿着《PCL点云学习教程》或是在PCL官方网站上开始从头学习，而是先找个官网实例练验证一下再说。好吧，我们就是最简单的输入输出来说。

首先，必须有供输入的文件，PCL建议的文件格式为".pcd",可从官网上下载任意“.pcd”文件即可。

既然想体验PCL，好吧，直接把输入输出代码copy过来把：

#include

#include

#include

#include

int

main (int argc, char** argv)

{

pcl::PointCloud<:pointxyz>::Ptr cloud (new pcl::PointCloud<:pointxyz>);

if (pcl::io::loadPCDFile<:pointxyz> (argv[1], *cloud) == -1)

{

PCL_ERROR ("Couldn't read file test_pcd.pcd \n");

return (-1);

}

std::cout << "Loaded "

<< cloud->width * cloud->height

<< " data points from test_pcd.pcd with the following fields: "

<< std::endl;

#if 0

for (size_t i = 0; i < cloud->points.size (); ++i)

std::cout << " " << cloud->points[i].x

<< " " << cloud->points[i].y

<< " " << cloud->points[i].z << std::endl;

#endif

pcl::visualization::CloudViewer viewer("test");

viewer.showCloud(cloud);

while (!viewer.wasStopped()){ }

return (0);

}

当上面这段小程序运行后，如果能够可视化出你的.pcd文件，可以断定你的PCL开发平台已经搭建成功。

如果是用cmake构建项目文件的话，添加 CMakeLists.txt 文件，内容如下：

cmake_minimum_required(VERSION 2.8 FATAL_ERROR)

project(proj)

find_package(PCL 1.2 REQUIRED)

include_directories(${PCL_INCLUDE_DIRS})

link_directories(${PCL_LIBRARY_DIRS})

add_definitions(${PCL_DEFINITIONS})

add_executable (test test.cpp)

target_link_libraries (test ${PCL_LIBRARIES})

上述文件是说：cmake最低版本为2.8, 我的工程名字叫做 proj，pcl最低版本要求为1.2，然后链接进所有pcl的文件目录和库文件，生成的可执行文件名字叫做 test,我的主程序文件叫做 test.cpp。

按自己的习惯，可将上述cmake文件和test.cpp文件放在同一目录之下(或不同目录，即源码与中间文件分离的原则)，执行cmake,如果没有什么错误，再执行make,则会在源文件目录之下生成test可执行文件。

我想稍有一点编程经验的，应该都可以看懂。从上边代码中，是否可以发现一些PCL的特色呢？

下面贴出我的几个练习实例。

1)体素网格精简

2)法向量可视化

3)曲面重建