Windows环境下pcl点云库 安装配置全流程（精简、有效）
Windows环境下pcl点云库 安装配置全流程（精简、有效）
本文将详细介绍在Windows环境下（具体为win10系统）配置和使用PCL（Point Cloud Library）点云库的完整流程。从下载安装包开始，详细介绍了安装过程、环境变量设置，以及在Visual Studio 2019中进行项目配置和代码实战的完整流程。
【1】下载安装包
下载链接：Releases · PointCloudLibrary/pcl · GitHub
其中，AllInOne是一个包含了PCL库所有模块的单独下载包，方便快速获取整个PCL库，而pdb则是PCL库的调试信息文件，可以在程序崩溃时提供更详细的调试信息来分析解决错误。
【2】安装
2.1 先执行win64.exe
建议自定义安装的位置，按提示操作即可，建议把pcl添加到PATH中。
2.2 解压win64.zip
把解压出来的子文件，全部复制到如下 PCL/bin中
2.3 OpenNI2安装
执行.msi，建议修改路径到该文件夹下；如果已安装过，建议Remove后重新安装，以便后续添加PATH和使用时路径清晰。
安装完毕，该路径如下：
【3】设置环境变量
“此电脑”右键>>属性，如下图添加，再重启电脑：
【4】visual studio 项目实战
4.1 新建C++空项目
可设置Debug-x64，并右键 >> 属性进行配置。
4.2 包含目录
如下图，编辑包含目录：
添加如下路径（不同库的路径层级不同，建议各层级都添加避免包含错误）：
D:\tools\PCL 1.11.1\include\pcl-1.11
D:\tools\PCL 1.11.1\include\pcl-1.11\pcl
D:\tools\PCL 1.11.1\3rdParty\Boost\include\boost-1_74
D:\tools\PCL 1.11.1\3rdParty\Boost\include\boost-1_74\boost
D:\tools\PCL 1.11.1\3rdParty\Eigen\eigen3
D:\tools\PCL 1.11.1\3rdParty\Eigen\eigen3\Eigen
D:\tools\PCL 1.11.1\3rdParty\Eigen\eigen3\unsupported
D:\tools\PCL 1.11.1\3rdParty\Eigen\eigen3\unsupported\Eigen
D:\tools\PCL 1.11.1\3rdParty\FLANN\include
D:\tools\PCL 1.11.1\3rdParty\FLANN\include\flann
D:\tools\PCL 1.11.1\3rdParty\OpenNI2\Include
D:\tools\PCL 1.11.1\3rdParty\Qhull\include
D:\tools\PCL 1.11.1\3rdParty\Qhull\include\libqhull
D:\tools\PCL 1.11.1\3rdParty\Qhull\include\libqhull_r
D:\tools\PCL 1.11.1\3rdParty\Qhull\include\libqhullcpp
D:\tools\PCL 1.11.1\3rdParty\VTK\include
D:\tools\PCL 1.11.1\3rdParty\VTK\include\vtk-8.2
4.3 库目录
仿照4.3包含目录添加库目录：
D:\tools\PCL 1.11.1\lib
D:\tools\PCL 1.11.1\3rdParty\Boost\lib
D:\tools\PCL 1.11.1\3rdParty\FLANN\lib
D:\tools\PCL 1.11.1\3rdParty\OpenNI2\Lib
D:\tools\PCL 1.11.1\3rdParty\Qhull\lib
D:\tools\PCL 1.11.1\3rdParty\VTK\lib
4.4 添加附加依赖项
需要添加PCL和VTK的debug版lib，总共140多个。
可以通过以下批处理的方法：
cd\d D:\tools\PCL 1.11.1\lib //转到lib目录
dir/b *d.lib >0.txt //把debug用的d.lib后缀名字写到0.txt中
两次操作把这些名字复制粘贴到附加依赖项中。
4.5 添加.cpp并执行显示效果
#include <iostream>
#include <thread>
#include <pcl/console/parse.h>
#include <pcl/point_cloud.h> // for PointCloud
#include <pcl/common/io.h> // for copyPointCloud
#include <pcl/point_types.h>
#include <pcl/sample_consensus/ransac.h>
#include <pcl/sample_consensus/sac_model_plane.h>
#include <pcl/sample_consensus/sac_model_sphere.h>
#include <pcl/visualization/pcl_visualizer.h>
using namespace std::chrono_literals;
pcl::visualization::PCLVisualizer::Ptr
simpleVis(pcl::PointCloud<pcl::PointXYZ>::ConstPtr cloud)
{
// --------------------------------------------
// -----Open 3D viewer and add point cloud-----
// --------------------------------------------
pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("3D Viewer"));
viewer->setBackgroundColor(0, 0, 0);
viewer->addPointCloud<pcl::PointXYZ>(cloud, "sample cloud");
viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 3, "sample cloud");
//viewer->addCoordinateSystem (1.0, "global");
viewer->initCameraParameters();
return (viewer);
}
int
main(int argc, char** argv)
{
// initialize PointClouds
pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
pcl::PointCloud<pcl::PointXYZ>::Ptr final(new pcl::PointCloud<pcl::PointXYZ>);
// populate our PointCloud with points
cloud->width = 500;
cloud->height = 1;
cloud->is_dense = false;
cloud->points.resize(cloud->width * cloud->height);
for (pcl::index_t i = 0; i < static_cast<pcl::index_t>(cloud->size()); ++i)
{
if (pcl::console::find_argument(argc, argv, "-s") >= 0 || pcl::console::find_argument(argc, argv, "-sf") >= 0)
{
(*cloud)[i].x = 1024 * rand() / (RAND_MAX + 1.0);
(*cloud)[i].y = 1024 * rand() / (RAND_MAX + 1.0);
if (i % 5 == 0)
(*cloud)[i].z = 1024 * rand() / (RAND_MAX + 1.0);
else if (i % 2 == 0)
(*cloud)[i].z = sqrt(1 - ((*cloud)[i].x * (*cloud)[i].x)
- ((*cloud)[i].y * (*cloud)[i].y));
else
(*cloud)[i].z = -sqrt(1 - ((*cloud)[i].x * (*cloud)[i].x)
- ((*cloud)[i].y * (*cloud)[i].y));
}
else
{
(*cloud)[i].x = 1024 * rand() / (RAND_MAX + 1.0);
(*cloud)[i].y = 1024 * rand() / (RAND_MAX + 1.0);
if (i % 2 == 0)
(*cloud)[i].z = 1024 * rand() / (RAND_MAX + 1.0);
else
(*cloud)[i].z = -1 * ((*cloud)[i].x + (*cloud)[i].y);
}
}
std::vector<int> inliers;
// created RandomSampleConsensus object and compute the appropriated model
pcl::SampleConsensusModelSphere<pcl::PointXYZ>::Ptr
model_s(new pcl::SampleConsensusModelSphere<pcl::PointXYZ>(cloud));
pcl::SampleConsensusModelPlane<pcl::PointXYZ>::Ptr
model_p(new pcl::SampleConsensusModelPlane<pcl::PointXYZ>(cloud));
if (pcl::console::find_argument(argc, argv, "-f") >= 0)
{
pcl::RandomSampleConsensus<pcl::PointXYZ> ransac(model_p);
ransac.setDistanceThreshold(.01);
ransac.computeModel();
ransac.getInliers(inliers);
}
else if (pcl::console::find_argument(argc, argv, "-sf") >= 0)
{
pcl::RandomSampleConsensus<pcl::PointXYZ> ransac(model_s);
ransac.setDistanceThreshold(.01);
ransac.computeModel();
ransac.getInliers(inliers);
}
// copies all inliers of the model computed to another PointCloud
pcl::copyPointCloud(*cloud, inliers, *final);
// creates the visualization object and adds either our original cloud or all of the inliers
// depending on the command line arguments specified.
pcl::visualization::PCLVisualizer::Ptr viewer;
if (pcl::console::find_argument(argc, argv, "-f") >= 0 || pcl::console::find_argument(argc, argv, "-sf") >= 0)
viewer = simpleVis(final);
else
viewer = simpleVis(cloud);
while (!viewer->wasStopped())
{
viewer->spinOnce(100);
std::this_thread::sleep_for(100ms);
}
return 0;
}
可视化效果
执行结果：
另：执行可能出现的代码错误解决方法
会出现两种错误，如下解决：
错误一：
_CRT_SECURE_NO_DEPRECATE
解决方法有两种：
1、直接跳转到该位置注释；
PCL-1.11.1\include\pcl-1.11\pcl\visualization\point_cloud_color_handlers.h，注释如下：
2、或在预编译器添加 _CRT_SECURE_NO_DEPRECATE
错误二：
getColor (scalars)
解决方法：
找到\PCL-1.11.1\3rdParty\Boost\include\boost-1_74\boost\function_output_iterator.hpp，把getColor (scalars)替换成getColor ()，如下：
注：部分地方参考：
PCL学习笔记（一）-- Windows下配置安装PCL开发环境_pcl环境配置_看到我请叫我学C++的博客-CSDN博客