Windows 编译 Point Cloud Library 1.8.0

Posted

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Windows 编译 Point Cloud Library 1.8.0相关的知识，希望对你有一定的参考价值。

PCL(Point Cloud Library) 1.8.0 版本发布了，相对 1.7.x 版本，带来了大量的 更新，其源码可以从 pcl 1.8.0 release 下载。本文记录如何在 Windows 上使用 Visual Studio C++ 编译器编译和配置 PCL 1.8.0 版本。

 

tl; dr

预编译好的 PCL 1.8.0 版本，包含了第三方程序库。

下载地址：Point Cloud Library 1.8.0

 

准备工作

首先确保安装了以下工具：

  1. Visual Studio Community 2015
  2. CMake
  3. Microsoft MPI v7
  4. Qt 5.7.0 for Windows 64-bit(VS 2015)
  5. OpenNI 2.2.0.33 Beta

注意在 Microsoft MPI v7 的下载页面需要选定 msmpisdk.msi 和 MSMpiSetup.exe，两个软件都需要安装。

下载以下软件/库的源代码：

  1. PCL 1.8.0
  2. Boost 1.61.0
  3. Eigen 3.2.8
  4. FLANN 1.8.4
  5. VTK 7.0.0
  6. Qhull 2015.2
 

避错贴士

由于编译过程繁杂，很容易碰到错误，目前提供如下贴士：

  1. Windows 10 系统不能安装 Windows Driver Kit，否则会导致编译 Boost 时出错
  2. 系统不能安装 Anaconda 2/3，否则编译 FLANN 时 HDF 相关设置会导致编译出错
  3. 编译时尽量不要选择编译例程(examples)和测试(global test)，否则很容易出问题

另外，本文均使用 Visual Studio C++ 14.0 win64 编译源码，也可以使用默认的 32 位编译器，当然使用 Visual Studio 2013 版本配套的 C++ 12.0 编译器理论上也是可以的。后文用到的工具以及编译选项均假定为 64 位编译器，如使用其他版本或 32 位的编译器，注意替换。

 

编译Boost

Boost 库提供标准库兼容的 C++ 运算库，许多特性逐渐加入到新的 C++ 标准中(C++11、C++14、C++17)。

解压 Boost 源码到 boost_1_61_0，如 D:\lib\boost_1_61_0。

注意: 下文均将源代码解压到 D:\lib 目录中，不做另外说明。

使用文本编辑器编辑 D:\lib\boost_1_61_0\tools\build\src\tools\mpi.jam 文件（使用以下代码替换指定行数的代码）：

注意: Windows 下推荐 Nodepad++ 或者其他代码编辑器（Visual Studio(Code)、Sublime Text、Atom等），不要 使用记事本。

249-251 行

local microsoft_mpi_sdk_path = "C:\\Program Files (x86)\\Microsoft SDKs\\MPI" ;
local microsoft_mpi_path = "C:\\Program Files\\Microsoft MPI" ;
if [ GLOB $(microsoft_mpi_sdk_path)\\Include : mpi.h ]

260-262 行

options = <include>$(microsoft_mpi_sdk_path)/Include
<address-model>64:<library-path>$(microsoft_mpi_sdk_path)/Lib/x64
<library-path>$(microsoft_mpi_sdk_path)/Lib/x86

268 行

.mpirun = "\"$(microsoft_mpi_path)\\Bin\\mpiexec.exe"\" ;

保存文件后关闭。

使用管理员权限启动 VS2015 x64 Native Tools Command Prompt，进入到 Boost 源代码解压目录，然后运行其中的 bootstrap.bat 脚本。

D:
cd lib\boost_1_61_0
bootstrap.bat

说明: 第一行切换到 D:\，第二行切换到 Boost 源代码目录，第三行运行 bootstrap.bat。

将会在目录中生成 project-config.jam 文件，使用文本编辑器打开，在第 4 行添加

using mpi ;

继续在 VS2015 x64 Native Tools Command Prompt 中输入

b2.exe toolset=msvc-14.0 address-model=64 --build-dir=build\x64 install --prefix="D:\lib\Boost" -j8

说明: --prefix= 设置编译输出目录，默认也在 D:\lib 中，Boost 对应的为 D:\lib\Boost，其他库的编译输出目录命名类似。

等待编译完成。编译成功后添加用户变量 BOOST_ROOT 为 D:\lib\Boost。

 

编译Eigen

Eigen 主要用于矩阵运算。

解压 Eigen 源码压缩包到 D:\lib\eigen-eigen-07105f7124f9。

启动 CMake，设定源码目录和构建目录

  • Where is the source code: D:\lib\eigen-eigen-07105f7124f9
  • Where to build the binaries: D:\lib\eigen-eigen-07105f7124f9\build

点击 Configure，在弹出的对话框中将 Specify the generator for this project 修改为 Visual Studio 14 2015 Win64，然后点击 Finish 完成第一次配置。

检查以下配置项：

  • CMAKE_INSTALL_PREFIX: D:\lib\Eigen

再次 Configure 后点击 Generate 在 build 目录中生成 VS 解决方案。

使用管理员权限启动 Visual Studio，通过 File | Open | Project/Solution 菜单打开 D:\lib\eigen-eigen-07105f7124f9\build\Eigen.sln 解决方案，在 Solution Explorer 中选定 ALL_BUILD，右键选择 Build 开始构建源码，构建完成后，再选定 INSTALL，然后右键选择 Build 完成二进制文件的安装。

构建成功后生成的文件在 D:\lib\Eigen 文件夹中。

添加用户变量 EIGEN_ROOT 为 D:\lib\Eigen。

 

编译FLANN

FLANN 用于快速最近邻运算，在点云图像的处理过程中会涉及到大量的邻域计算。

解压 FLANN 源码压缩包到 D:\lib\flann-1.8.4-src。

启动 CMake，设定源码目录和构建目录

  • Where is the source code: D:\lib\flann-1.8.4-src
  • Where to build the binaries: D:\lib\flann-1.8.4-src\build

点击 Configure，在弹出的对话框中将 Specify the generator for this project 修改为 Visual Studio 14 2015 Win64，然后点击 Finish 完成第一次配置。

检查以下配置项（? 表示取消选定，? 表示选定）:

  • BUILD_MATLAB_BINDINGS: ?
  • BUILD_PYTHON_BINDINGS: ?
  • CMAKE_CONFIGURATION_TYPES: Debug;Release
  • CMAKE_INSTALL_PREFIX: D:/lib/FLANN

再次点击 Configure 后，点击 Add Entry 添加一个配置项，该配置项的值如下：

  • Name: CMAKE_DEBUG_POSTFIX
  • Type: STRING
  • Value: -gd

再次点击 Configure 后点击 Generate 生成VS解决方案。

使用文本编辑器修改源文件 D:\lib\flann-1.8.4-src\src\cpp\flann\util\serialization.h，在第 92 行下面添加

#ifdef _MSC_VER
    BASIC_TYPE_SERIALIZER( unsigned __int64 );
#endif

使用管理员权限启动 Visual Studio，通过 File | Open | Project/Solution 菜单打开 D:\lib\flann-1.8.4-src\build\flann.sln 解决方案。

在 Debug 模式下，在 Solution Explorer 中选定 ALL_BUILD，右键选择 Build 开始构建源码，构建完成后选定 INSTALL，再右键选择 Build 将编译生成的文件安装到指定目录（CMAKE_INSTALL_PREFIX）。

然后再切换到 Release 模式，在 Solution Explorer 中选定 ALL_BUILD，右键选择 Build 开始构建源码，构建完成后选定 INSTALL，再右键选择 Build 将编译生成的文件安装到指定目录。

这样将生成 Release 版本和 Debug 版本的库文件和动态链接库。

编译成功后添加用户变量 FLANN_ROOT 为 D:\lib\FLANN，在变量 Path 中添加 %FLANN_ROOT%\bin。

 

编译VTK

VTK 主要用于三维点云数据的可视化，PCL 的可视化组件依赖于 VTK。

解压 VTK 源代码到 D:\lib\VTK-7.0.0。

启动 CMake，设定源码目录和构建目录

  • Where is the source code: D:\lib\VTK-7.0.0
  • Where to build the binaries: D:\lib\VTK-7.0.0\build

点击 Configure，在弹出的对话框中将 Specify the generator for this project 修改为 Visual Studio 14 2015 Win64，然后点击 Finish 完成第一次配置。

检查以下配置项:

  • VTK_Group_Qt: ?
  • VTK_QT_VERSION: 5
  • CMAKE_CONFIGURATION_TYPES: Debug;Release
  • CMAKE_CXX_MP_FLAG: ?
  • CMAKE_INSTALL_PREFIX: D:\lib\VTK

点击 Add Entry 添加一个配置项，配置项的值如下：

  • Name: CMAKE_DEBUG_POSTFIX
  • Type: STRING
  • Value: -gd

再次点击 Configure 后点击 Generate 生成 VS 解决方案。

使用管理员权限启动 Visual Studio，通过 File | Open | Project/Solution 菜单打开 D:\lib\VTK-7.0.0\build\VTK.sln 解决方案。

在 Debug 模式下开始构建之前，编辑 D:\lib\VTK-7.0.0\GUISupport\Qt\PluginInstall.cmake.in 文件，在第 5 行的 QVTKWidgetPlugin 后面添加 -gd，然后保存文件。 在 Solution Explorer 中选定 ALL_BUILD，右键选择 Build 构建源代码，构建完成后 选定 INSTALL，再右键选择 Build 将编译生成的文件安装到指定位置。

切换为 Release 形式，注意此时需要撤销对 PluginInstall.cmake.in 文件的更改，即去掉之前添加的 -gd，然后保存并退出编辑。然后在 Solution Explorer 中选定 ALL_BUILD，右键选择 Build 构建源代码，构建完成后，选定 INSTALL，再右键选择 Build 将编译生成的文件安装到指定位置。

这样将生成 Release 版本和 Debug 版本的库文件和动态链接库。

构建成功后，添加用户变量 VTK_DIR 为 D:\lib\VTK，在变量 Path 中添加 %VTK_DIR%\bin。

 

编译Qhull

Qhull 用于凸包计算。

解压 Qhull 源代码到 D:\lib\qhull-2015.2。

删除源代码目录中的 build 目录中的内容，然后启动 CMake，设定源码目录和构建目录

  • Where is the source code: D:\lib\qhull-2015.2
  • Where to build the binaries: D:\lib\qhull-2015.2\build

点击 Configure，在弹出的对话框中将 Specify the generator for this project 修改为 Visual Studio 14 2015 Win64，然后点击 Finish 完成第一次配置。

检查以下配置项:

  • CMAKE_CONFIGURATION_TYPES: Debug;Release
  • CMAKE_INSTALL_PREFIX: D:/lib/Qhull

点击 Add Entry 添加一个配置项，配置项的值如下：

  • Name: CMAKE_DEBUG_POSTFIX
  • Type: STRING
  • Value: _d

使用管理员权限启动 Visual Studio，通过 File | Open | Project/Solution 菜单打开 D:\lib\qhull-2015.2\build\qhull.sln 解决方案。

在 Debug 模式下，从 Solution Explorer 中选定 ALL_BUILD，右键选择 Build 构建源代码，构建完成后选定 INSTALL，再右键选择 Build 将构建生成的文件安装到指定位置。

切换为 Release 模式，在 Solution Explorer 中选定 ALL_BUILD，右键选择 Build 构建源代码，构建完成后选定 INSTALL，再右键选择 Build 将构建生成的文件安装到指定位置。

这样将生成 Release 版本和 Debug 版本的库文件和动态链接库。

编译成功后添加用户变量 QHULL_ROOT 为 D:\lib\Qhull。

 

编译PCL

解压 PCL 源代码到 D:\lib\PCL-1.8.0 目录。

注意： 下面的修改是一个 bug，在 Github 仓库里已经修复（#1635），但是 PCL 1.8.0 版本的源代码还没有更新。所以可能更新版本的 PCL 1.8.x 就不存在以下的问题了。

使用文本编辑器编辑 D:\lib\PCL-1.8.0\visualization\src\pcl_visualizer.cpp:

将第 1495 行替换为：

if (!pcl::visualization::getColormapLUT (static_cast<LookUpTableRepresentationProperties>(static_cast<int>(value)), table))

将第 1741 行替换为：

getColormapLUT (static_cast<LookUpTableRepresentationProperties>(static_cast<int>(value)), table);

启动 CMake，设定源码目录和构建目录

  • Where is the source code: D:\lib\PCL-1.8.0
  • Where to build the binaries: D:\lib\PCL-1.8.0\build

点击 Configure，在弹出的对话框中将 Specify the generator for this project 修改为 Visual Studio 14 2015 Win64，然后点击 Finish 完成第一次配置。

将 Grouped 和 Advanced 选定，然后检查以下配置项：

Ungrouped Entries

  • EIGEN_INCLUDE_DIR: D:/lib/Eigen/include/eigen3
  • VTK_DIR: D:/lib/VTK/lib/cmake/vtk-7.0

BUILD

  • BUILD_2d: ?(check)
  • BUILD_CUDA: ?(uncheck)
  • BUILD_GPU: ?(uncheck)
  • BUILD_all_in_one_installer: ?(check)
  • BUILD_apps: ?(uncheck)
  • BUILD_common: ?(check)
  • BUILD_example: ?(uncheck)
  • BUILD_features: ?(check)
  • BUILD_filters: ?(check)
  • BUILD_geometry:?(check)
  • BUILD_global_tests: ?(uncheck)
  • BUILD_io: ?(check)
  • BUILD_kdtree: ?(check)
  • BUILD_keypoints: ?(check)
  • BUILD_octree: ?(check)
  • BUILD_outofcore: ?(check)
  • BUILD_people: ?(check)
  • BUILD_recognition: ?(check)
  • BUILD_registration: ?(check)
  • BUILD_sample_consensus: ?(check)
  • BUILD_search: ?(check)
  • BUILD_segmentation: ?(check)
  • BUILD_simulation: ?(uncheck)
  • BUILD_stereo: ?(check)
  • BUILD_surface: ?(check)
  • BUILD_surface_on_nurbs: ?(check)
  • BUILD_tools: ?(check)
  • BUILD_tracking: ?(check)
  • BUILD_visualization: ?(check)

Boost

  • Boost_DATE_TIME_LIBRARY_DEBUG: D:\lib\Boost\lib\libboost_date_time-vc140-mt-1_61.lib
  • Boost_DATE_TIME_LIBRARY_RELEASE: D:\lib\Boost\lib\libboost_date_time-vc140-mt-gd-1_61.lib
  • Boost_FILESYSTEM_LIBRARY_DEBUG:D:\lib\Boost\lib\libboost_filesystem-vc140-mt-1_61.lib
  • Boost_FILESYSTEM_LIBRARY_RELEASE: D:\lib\Boost\lib\libboost_filesystem-vc140-mt-gd-1_61.lib
  • Boost_INCLUDE_DIR: D:\lib\Boost\include\boost-1_61
  • Boost_iosTREAMS_LIBRARY_DEBUG: D:\lib\Boost\lib\libboost_iostreams-vc140-mt-1_61.lib
  • Boost_IOSTREAMS_LIBRARY_RELEASE: D:\lib\Boost\lib\libboost_iostreams-vc140-mt-gd-1_61.lib
  • Boost_LIBRARY_DIR_DEBUG: D:\lib\Boost\lib
  • Boost_LIBRARY_DIR_RELEASE: D:\lib\Boost\lib
  • Boost_MPI_LIBRARY_DEBUG: D:\lib\Boost\lib\libboost_mpi-vc140-mt-1_61.lib
  • Boost_MPI_LIBRARY_RELEASE: D:\lib\Boost\lib\libboost_mpi-vc140-mt-gd-1_61.lib
  • Boost_SERIALIZATION_LIBRARY_DEBUG: D:\lib\Boost\lib\libboost_serialization-vc140-mt-1_61.lib
  • Boost_SERIALIZATION_LIBRARY_RELEASE: D:\lib\Boost\lib\libboost_serialization-vc140-mt-gd-1_61.lib
  • Boost_SYSTEM_LIBRARY_DEBUG: D:\lib\Boost\lib\libboost_system-vc140-mt-1_61.lib
  • Boost_SYSTEM_LIBRARY_RELEASE: D:\lib\Boost\lib\libboost_system-vc140-mt-gd-1_61.lib
  • Boost_THREAD_LIBRARY_DEBUG: D:\lib\Boost\lib\libboost_thread-vc140-mt-1_61.lib
  • Boost_THREAD_LIBRARY_RELEASE: D:\lib\Boost\lib\libboost_thread-vc140-mt-gd-1_61.lib

CMAKE

  • CMAKE_CONFIGURATION_TYPES: Debug;Release
  • CMAKE_INSTALL_PREFIX: D:\lib\PCL

FLANN

  • FLANN_INCLUDE_DIR: D:\lib\flann\include
  • FLANN_LIBRARY: D:\lib\flann\lib\flann_cpp_s.lib
  • FLANN_LIBRARY_DEBUG: D:\lib\flann\lib\flann_cpp_s-gd.lib

OPENNI2

  • OPENNI2_INCLUDE_DIRS: C:\Program Files\OpenNI2\Include
  • OPENNI2_LIBRARY: C:\Program Files\OpenNI2\Lib\OpenNI2

QHULL

  • QHULL_INCLUDE_DIR: D:\lib\qhull\include
  • QHULL_LIBRARY: D:\lib\qhull\lib\qhullstatic.lib
  • QHULL_LIBRARY_DEBUG: D:\lib\qhull\lib\qhullstatic_d.lib

WITH

  • WITH_CUDA: ?(uncheck)
  • WITH_DAVIDSDK: ?(uncheck)
  • WITH_DOCS: ?(uncheck)
  • WITH_DSSDK: ?(uncheck)
  • WITH_ENSENSO: ?(uncheck)
  • WITH_FZAPI: ?(uncheck)
  • WITH_LIBUSB: ?(uncheck)
  • WITH_OPENGL: ?(check)
  • WITH_OPENNI: ?(uncheck)
  • WITH_OPENNI2: ?(check)
  • WITH_PCAP: ?(uncheck)
  • WITH_PNG: ?(uncheck)
  • WITH_QHULL: ?(check)
  • WITH_QT: ?(check)
  • WITH_RSSDK: ?(uncheck)
  • WITH_VTK: ?(check)

然后再次 Configure 无误后使用 Generate 生成 VS 解决方案。

使用管理员权限启动 Visual Studio，通过 File | Open | Project/Solution 菜单打开 D:\lib\PCL-1.8.0\build\PCL.sln 解决方案。

在 Debug 模式下，从 Solution Explorer 中选定 ALL_BUILD，右键选择 Build 构建源代码，构建完成后选定 INSTALL，再右键选择 Build 将构建生成的文件安装到指定位置。

切换为 Release 模式，在 Solution Explorer 中选定 ALL_BUILD，右键选择 Build 构建源代码，构建完成后选定 INSTALL，再右键选择 Build 将构建生成的文件安装到指定位置。

这样将生成 Release 版本和 Debug 版本的库文件和动态链接库。

编译成功后添加用户变量 PCL_ROOT 为 D:\lib\PCL，并在变量 Path 中添加 %PCL_ROOT%\bin 和 %OPENNI2_REDIST64%。

注意到选定了 BUILD_all_in_one_installer 选项，构建的时候会把用到的第三方库编译好的文件拷贝到 D:\lib\PCL\3rdParty 目录中，因此整个过程编译完成后仅需要保留 D:\lib\PCL 目录就可以了，但是要注意修改一些之前设置的用户变量，包括：

  • BOOST_ROOT: D:\lib\PCL\3rdParty\Boost
  • EIGEN_ROOT: D:\lib\PCL\3rdParty\Eigen
  • FLANN_ROOT: D:\lib\PCL\3rdParty\FLANN
  • QHULL_ROOT: D:\lib\PCL\3rdParty\Qhull
  • VTK_DIR: D:\lib\PCL\3rdParty\VTK

编译完成后最好重启系统或注销用户账户重新登录，以使这些用户变量和环境变量生效。

 

测试

Visual Studio 2015:

使用 CMake 来配置和生成项目文件是最方便的。

新建一个目录 test_vs，在其中再创建一个空文件夹 build。

创建 CMakeLists.txt 文件，其内容如下：

cmake_minimum_required( VERSION 2.8 )

# Create Project
project( solution )
add_executable( project main.cpp )

# Set StartUp Project (Option)
# (This setting is able to enable by using CMake 3.6.0 RC1 or later.)
set_property( DIRECTORY PROPERTY VS_STARTUP_PROJECT "project" )

# Find Packages
find_package( PCL 1.8 REQUIRED )

if( PCL_FOUND )
  # [C/C++]>[General]>[Additional Include Directories]
  include_directories( ${PCL_INCLUDE_DIRS} )

  # [C/C++]>[Preprocessor]>[Preprocessor Definitions]
  add_definitions( ${PCL_DEFINITIONS} )
  
  # For Use Not PreCompiled Features 
  #add_definitions( -DPCL_NO_PRECOMPILE )

  # [Linker]>[General]>[Additional Library Directories]
  link_directories( ${PCL_LIBRARY_DIRS} )

  # [Linker]>[Input]>[Additional Dependencies]
  target_link_libraries( project ${PCL_LIBRARIES} )
endif()

然后再添加一个 main.cpp 文件，其内容如下：

#include <iostream>
#include <pcl/point_cloud.h>
#include <pcl/visualization/pcl_visualizer.h>
#include <pcl/common/common_headers.h>


int main(char argc, char** argv)
{
	// Create Point Cloud Object Pointer
	pcl::PointCloud<pcl::PointXYZ>::Ptr source_cloud(new pcl::PointCloud<pcl::PointXYZ>());

	// Configureable  Parameters
	float radius = 10.0f;

	// Generating clouds
	for (float theta(0.0); theta <= 360.0f; theta += 2.0f) {
		for (float phi(0.0); phi <= 180.0f; phi += 2.0f) {
			pcl::PointXYZ tmp_point;
			tmp_point.x = radius*cosf(pcl::deg2rad(theta))*sinf(pcl::deg2rad(phi));
			tmp_point.y = radius*sinf(pcl::deg2rad(theta))*sinf(pcl::deg2rad(phi));
			tmp_point.z = radius*cosf(pcl::deg2rad(phi));
			source_cloud->points.push_back(tmp_point);
		}
	}

	// Visualization
	pcl::visualization::PCLVisualizer viewer("visualizer");
	pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> source_cloud_color_handler(source_cloud, 255, 255, 255);
	viewer.addPointCloud(source_cloud, source_cloud_color_handler, "original_cloud");
	viewer.addCoordinateSystem(5.0);

	while (!viewer.wasStopped()) {
		viewer.spinOnce();
	}

	return 0;
}

然后启动 CMake，和源代码的编译类似，设置源代码目录和构建目录如下：

  • Where is the source code: test_vs
  • Where to build the binaries: test_vs\build

点击 Configure，然后点击 Generate 即可在 build 目录中生成 VS 解决方案文件。

使用 Visual Studio 打开 build 目录中的 solution.sln，点击 Ctrl+F5 不调试运行或 F5 调试运行，若配置成功，将显示一个生成的球状点云，如下图所示

技术分享

Qt

需要使用 Qt 自带的 qmake 来配置相关选项，使用 Qt Creator 新建一个新的 Widgets Application，项目命名为 test_qt，则创建完成后可以在项目侧边栏看到 test_qt.pro 文件，双击编辑添加以下内容：

INCLUDEPATH += D:\lib\PCL\include\pcl-1.8
INCLUDEPATH += D:\lib\PCL\3rdParty\Eigen\eigen3
INCLUDEPATH += D:\lib\PCL\3rdParty\VTK\include\vtk-7.0
INCLUDEPATH += D:\lib\PCL\3rdParty\Boost\include\boost-1_61
INCLUDEPATH += D:\lib\PCL\3rdParty\FLANN\include

LIBS +=  -LD:\lib\PCL\3rdParty\VTK\lib          -lvtkGUISupportQt-7.0-gd          -lvtkIOImage-7.0-gd          -lvtkInteractionImage-7.0-gd          -lvtkRenderingCore-7.0-gd          -lvtkCommonExecutionModel-7.0-gd          -lvtkCommonCore-7.0-gd          -lvtkCommonDataModel-7.0-gd          -lvtkCommonMath-7.0-gd          -lvtkRenderingOpenGL2-7.0-gd          -lvtkRenderingLOD-7.0-gd          -lvtkInteractionStyle-7.0-gd

LIBS +=  -LD:\lib\PCL\lib          -lpcl_common_debug          -lpcl_visualization_debug

LIBS += -LD:\lib\PCL\3rdParty\Boost\lib

INCLUDEPATH 语法用于添加头文件目录，LIBS 语法用于添加库文件目录，该部分配置的内容取决于使用了哪些模块，精简项目不使用的模块能够加快编译速度。

这里测试 QVTKWidget 组件用于可视化点云的功能。

添加一个头文件 cloudObject.h，内容如下：

#ifndef CLOUDOBJECT_H
#define CLOUDOBJECT_H

#include <vtkAutoInit.h>
VTK_MODULE_INIT(vtkRenderingOpenGL2);
VTK_MODULE_INIT(vtkInteractionStyle);

#include <QMainWindow>
#include <QVTKWidget.h>
#include <pcl/point_cloud.h>
#include <pcl/common/common_headers.h>
#include <pcl/visualization/pcl_visualizer.h>

class cloudObject: public QMainWindow
{
    Q_OBJECT
public:
    cloudObject(QWidget *parent = 0);
    ~cloudObject();

private:
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud;
    boost::shared_ptr<pcl::visualization::PCLVisualizer> viewer;
    QVTKWidget* widget;
    void initialVtkWidget();
};

#endif // CLOUDOBJECT_H

添加对应的源文件 cloudObject.cpp，内容如下：

#include <iostream>
#include <vtkRenderWindow.h>
#include "cloudObject.h"

cloudObject::cloudObject(QWidget *parent)
    : QMainWindow(parent)
{
    initialVtkWidget();
    resize(500,500);
    setCentralWidget(widget);
}

cloudObject::~cloudObject()
{

}
void cloudObject::initialVtkWidget()
{
    cloud.reset(new pcl::PointCloud<pcl::PointXYZ>);
    viewer.reset(new pcl::visualization::PCLVisualizer("viewer", false));
    widget = new QVTKWidget;

    float radius = 10.0f;
    for (float theta(0.0); theta <= 360.0f; theta += 2.0f) {
        for (float phi(0.0); phi <= 180.0f; phi += 2.0f) {
            pcl::PointXYZ tmp_point;
            tmp_point.x = radius*cosf(pcl::deg2rad(theta))*sinf(pcl::deg2rad(phi));
            tmp_point.y = radius*sinf(pcl::deg2rad(theta))*sinf(pcl::deg2rad(phi));
            tmp_point.z = radius*cosf(pcl::deg2rad(phi));
            cloud->points.push_back(tmp_point);
        }
    }

    viewer->addPointCloud(cloud, "cloud");
    widget->SetRenderWindow(viewer->getRenderWindow());
    viewer->setupInteractor(widget->GetInteractor(), widget->GetRenderWindow());
    viewer->addCoordinateSystem(2.0);
    widget->update();
}

和 Visual Studio 的测试类似，我们首先创建一个点云对象，生成球状的点云，并使用 QVTKWidget 组件可视化。

编辑 main.cpp 内容为：

#include "cloudObject.h"
#include <QApplication>

int main(int argc, char *argv[])
{
    QApplication a(argc, argv);
    cloudObject w;
    w.show();
    return a.exec();
}

执行 构建 | 执行 qmake， 然后 构建 | 运行 运行程序，如下图所示：

技术分享

如果测试没有问题，说明编译生成的程序库都是可用的。

 

参考

Building PCL 1.8.0 with Visual Studio (日文)

 

https://oncemore2020.github.io/blog/pcl-compile/

以上是关于Windows 编译 Point Cloud Library 1.8.0的主要内容，如果未能解决你的问题，请参考以下文章

c_cpp 使用不带Grabber的Point Cloud Library绘制从Kinect v1检索到的Point Cloud

c_cpp 使用不带Grabber的Point Cloud Library绘制从Kinect v2检索到的Point Cloud

pcl之transform a point cloud

Spring Cloud项目

PCL Show Point Cloud 显示点云

Point Cloud使用iPhone相机