Windows10安装PCL1.14.0及点云配准

一、下载visual studio2022

下载网址：Visual Studio: 面向软件开发人员和 Teams 的 IDE 和代码编辑器 (microsoft.com)

安装的时候选择"使用C++的桌面开发“，同时可以修改文件路径，可以放在D盘。修改文件路径的时候，共享组件、工具和SDK的路径无法修改，可能是因为你之前有安装过Visual studio。可以通过以下操作解决：

1.首先WIN+R，输入regedit回车

2.按照这个顺序展开目录

HKEY_LOCAL_MACHINE
SOFTWARE
Microsoft
VisualStudio
Setup
3.右键删除SharedInstallationPath 和 CachePath，就可以修改共享组件、工具和SDK的路径了

二、安装PCL1.14.0

都是以我自己的安装路径为例

1.下载

官网下载：Releases · PointCloudLibrary/pcl · GitHub

只要下载PCL-1.14.0-AllInOne-msvc2022-win64.exe和pcl-1.14.0-pdb-msvc2022-win64.zip两个文件即可。

如果下载太慢，我这里已经下载好了：

链接：https://pan.baidu.com/s/177DvR5gOcVL7iPm4xI7s_w 
提取码：wstc 

2.安装

点击PCL-1.14.0-AllInOne-msvc2022-win64.exe进行安装

下一步

我接受

选择Add PCL to the system Path for all users，下一步

可以选择修改路径，我自己的路径是C:\Compiler\PCL\PCL 1.14.0，你可以选择自己的路径，不过一定要记得，因为之后配置环境变量要用到，然后下一步

没必要创建快捷方式，下一步，然后点击安装；在安装过程中，会出现提醒你变量名太长，没办法写入环境变量，这个时候你直接确定就行，等安装完成之后，自己配置环境变量。安装完成之后会出现这三个应用

把OpenNi2.2 SDK for Windows 64-bit给卸载掉，因为它有默认安装路径，即使我们修改文件安装路径，它还是安装在默认路径；卸载完之后，打开C:\Compiler\PCL\PCL 1.14.0\3rdParty\OpenNI2文件夹，发现里面有一个OpenNI-Windows-x64-2.2.msi，这是安装PCL-1.14.0-AllInOne-msvc2022-win64.exe的时候附带的，点击安装，可以帮你再次安装OpenNi2.2 SDK for Windows 64-bit，而且可以修改成自己的路径，我的路径是C:\Compiler\PCL\PCL 1.14.0\3rdParty\OpenNI2

安装完成之后就会包含这些内容

接着把pcl-1.14.0-pdb-msvc2022-win64.zip解压

把里面的所有pdb文件都复制到C:\Compiler\PCL\PCL 1.14.0\bin里面

3.配置环境变量

此电脑右键属性

点击高级系统设置

点击环境变量

确保这四个都存在，这是安装PCL-1.14.0-AllInOne-msvc2022-win64.exe的时候自动生成的，接着点击Path开始配置环境变量

C:\Compiler\PCL\PCL 1.14.0\bin
C:\Compiler\PCL\PCL 1.14.0\3rdParty\VTK\bin
C:\Compiler\PCL\PCL 1.14.0\3rdParty\OpenNI2\Tools
C:\Compiler\PCL\PCL 1.14.0\3rdParty\OpenNI2\Redist
C:\Compiler\PCL\PCL 1.14.0\3rdParty\Boost\lib
C:\Compiler\PCL\PCL 1.14.0\3rdParty\Qhull\bin
C:\Compiler\PCL\PCL 1.14.0\3rdParty\FLANN\bin

把这几个路径添加进环境变量即可。

三、创建项目

打开visual studio2022

创建新项目

选择空项目，下一步

可以修改项目名称，和位置；创建项目

右键点击源文件，添加新项，随便取个名字，点击添加（注意：我已经添加过文件了，如果是新创建的文件，源文件里面是啥也没有的）

右键点击解决方案下方的pointCloud（这个是项目名称），点击属性，就会出现这个属性页，点击VC++目录

C:\Compiler\PCL\PCL 1.14.0\3rdParty\Boost\include\boost-1_84
C:\Compiler\PCL\PCL 1.14.0\3rdParty\Eigen3\include\eigen3
C:\Compiler\PCL\PCL 1.14.0\3rdParty\FLANN\include
C:\Compiler\PCL\PCL 1.14.0\3rdParty\Qhull\include
C:\Compiler\PCL\PCL 1.14.0\3rdParty\VTK\include\vtk-9.3
C:\Compiler\PCL\PCL 1.14.0\3rdParty\OpenNI2\Include
C:\Compiler\PCL\PCL 1.14.0\include\pcl-1.14

把这些路径加入到包含目录里

C:\Compiler\PCL\PCL 1.14.0\3rdParty\FLANN\lib
C:\Compiler\PCL\PCL 1.14.0\3rdParty\Boost\lib
C:\Compiler\PCL\PCL 1.14.0\lib
C:\Compiler\PCL\PCL 1.14.0\3rdParty\VTK\lib
C:\Compiler\PCL\PCL 1.14.0\3rdParty\Qhull\lib
C:\Compiler\PCL\PCL 1.14.0\3rdParty\OpenNI2\Lib

这些路径放到库目录里

然后点击C/C++的所有选项，把SDL检查改成否

再点击C/C++的代码生成，修改启用增强指令集为高级适量扩展(X86/X64)(/arch:AVX)

BOOST_USE_WINDOWS_H
NOMINMAX
_CRT_SECURE_NO_DEPRECATE

在C/C++的预处理器里面的预处理定义增加这三行

pcl_commond.lib
pcl_featuresd.lib
pcl_filtersd.lib
pcl_iod.lib
pcl_io_plyd.lib
pcl_kdtreed.lib
pcl_keypointsd.lib
pcl_mld.lib
pcl_octreed.lib
pcl_outofcored.lib
pcl_peopled.lib
pcl_recognitiond.lib
pcl_registrationd.lib
pcl_sample_consensusd.lib
pcl_searchd.lib
pcl_segmentationd.lib
pcl_stereod.lib
pcl_surfaced.lib
pcl_trackingd.lib
pcl_visualizationd.lib
vtkcgns-9.3-gd.lib
vtkChartsCore-9.3-gd.lib
vtkCommonColor-9.3-gd.lib
vtkCommonComputationalGeometry-9.3-gd.lib
vtkCommonCore-9.3-gd.lib
vtkCommonDataModel-9.3-gd.lib
vtkCommonExecutionModel-9.3-gd.lib
vtkCommonMath-9.3-gd.lib
vtkCommonMisc-9.3-gd.lib
vtkCommonSystem-9.3-gd.lib
vtkCommonTransforms-9.3-gd.lib
vtkDICOMParser-9.3-gd.lib
vtkDomainsChemistry-9.3-gd.lib
vtkDomainsChemistryOpenGL2-9.3-gd.lib
vtkdoubleconversion-9.3-gd.lib
vtkexodusII-9.3-gd.lib
vtkexpat-9.3-gd.lib
vtkFiltersAMR-9.3-gd.lib
vtkFiltersCore-9.3-gd.lib
vtkFiltersExtraction-9.3-gd.lib
vtkFiltersFlowPaths-9.3-gd.lib
vtkFiltersGeneral-9.3-gd.lib
vtkFiltersGeneric-9.3-gd.lib
vtkFiltersGeometry-9.3-gd.lib
vtkFiltersHybrid-9.3-gd.lib
vtkFiltersHyperTree-9.3-gd.lib
vtkFiltersImaging-9.3-gd.lib
vtkFiltersModeling-9.3-gd.lib
vtkFiltersParallel-9.3-gd.lib
vtkFiltersParallelImaging-9.3-gd.lib
vtkFiltersPoints-9.3-gd.lib
vtkFiltersProgrammable-9.3-gd.lib
vtkFiltersSelection-9.3-gd.lib
vtkFiltersSMP-9.3-gd.lib
vtkFiltersSources-9.3-gd.lib
vtkFiltersStatistics-9.3-gd.lib
vtkFiltersTexture-9.3-gd.lib
vtkFiltersTopology-9.3-gd.lib
vtkFiltersVerdict-9.3-gd.lib
vtkfmt-9.3-gd.lib
vtkfreetype-9.3-gd.lib
vtkGeovisCore-9.3-gd.lib
vtkgl2ps-9.3-gd.lib
vtkglew-9.3-gd.lib
vtkhdf5-9.3-gd.lib
vtkhdf5_hl-9.3-gd.lib
vtkImagingColor-9.3-gd.lib
vtkImagingCore-9.3-gd.lib
vtkImagingFourier-9.3-gd.lib
vtkImagingGeneral-9.3-gd.lib
vtkImagingHybrid-9.3-gd.lib
vtkImagingMath-9.3-gd.lib
vtkImagingMorphological-9.3-gd.lib
vtkImagingSources-9.3-gd.lib
vtkImagingStatistics-9.3-gd.lib
vtkImagingStencil-9.3-gd.lib
vtkInfovisCore-9.3-gd.lib
vtkInfovisLayout-9.3-gd.lib
vtkInteractionImage-9.3-gd.lib
vtkInteractionStyle-9.3-gd.lib
vtkInteractionWidgets-9.3-gd.lib
vtkIOAMR-9.3-gd.lib
vtkIOAsynchronous-9.3-gd.lib
vtkIOCesium3DTiles-9.3-gd.lib
vtkIOCGNSReader-9.3-gd.lib
vtkIOChemistry-9.3-gd.lib
vtkIOCityGML-9.3-gd.lib
vtkIOCONVERGECFD-9.3-gd.lib
vtkIOCore-9.3-gd.lib
vtkIOEnSight-9.3-gd.lib
vtkIOExodus-9.3-gd.lib
vtkIOExport-9.3-gd.lib
vtkIOExportGL2PS-9.3-gd.lib
vtkIOExportPDF-9.3-gd.lib
vtkIOGeometry-9.3-gd.lib
vtkIOHDF-9.3-gd.lib
vtkIOImage-9.3-gd.lib
vtkIOImport-9.3-gd.lib
vtkIOInfovis-9.3-gd.lib
vtkIOIOSS-9.3-gd.lib
vtkIOLegacy-9.3-gd.lib
vtkIOLSDyna-9.3-gd.lib
vtkIOMINC-9.3-gd.lib
vtkIOMotionFX-9.3-gd.lib
vtkIOMovie-9.3-gd.lib
vtkIONetCDF-9.3-gd.lib
vtkIOOggTheora-9.3-gd.lib
vtkIOParallel-9.3-gd.lib
vtkIOParallelXML-9.3-gd.lib
vtkIOPLY-9.3-gd.lib
vtkIOSegY-9.3-gd.lib
vtkIOSQL-9.3-gd.lib
vtkioss-9.3-gd.lib
vtkIOTecplotTable-9.3-gd.lib
vtkIOVeraOut-9.3-gd.lib
vtkIOVideo-9.3-gd.lib
vtkIOXML-9.3-gd.lib
vtkIOXMLParser-9.3-gd.lib
vtkjpeg-9.3-gd.lib
vtkjsoncpp-9.3-gd.lib
vtkkissfft-9.3-gd.lib
vtklibharu-9.3-gd.lib
vtklibproj-9.3-gd.lib
vtklibxml2-9.3-gd.lib
vtkloguru-9.3-gd.lib
vtklz4-9.3-gd.lib
vtklzma-9.3-gd.lib
vtkmetaio-9.3-gd.lib
vtknetcdf-9.3-gd.lib
vtkogg-9.3-gd.lib
vtkParallelCore-9.3-gd.lib
vtkParallelDIY-9.3-gd.lib
vtkpng-9.3-gd.lib
vtkpugixml-9.3-gd.lib
vtkRenderingAnnotation-9.3-gd.lib
vtkRenderingContext2D-9.3-gd.lib
vtkRenderingContextOpenGL2-9.3-gd.lib
vtkRenderingCore-9.3-gd.lib
vtkRenderingFreeType-9.3-gd.lib
vtkRenderingGL2PSOpenGL2-9.3-gd.lib
vtkRenderingHyperTreeGrid-9.3-gd.lib
vtkRenderingImage-9.3-gd.lib
vtkRenderingLabel-9.3-gd.lib
vtkRenderingLICOpenGL2-9.3-gd.lib
vtkRenderingLOD-9.3-gd.lib
vtkRenderingOpenGL2-9.3-gd.lib
vtkRenderingSceneGraph-9.3-gd.lib
vtkRenderingUI-9.3-gd.lib
vtkRenderingVolume-9.3-gd.lib
vtkRenderingVolumeOpenGL2-9.3-gd.lib
vtkRenderingVtkJS-9.3-gd.lib
vtksqlite-9.3-gd.lib
vtksys-9.3-gd.lib
vtkTestingRendering-9.3-gd.lib
vtktheora-9.3-gd.lib
vtktiff-9.3-gd.lib
vtkverdict-9.3-gd.lib
vtkViewsContext2D-9.3-gd.lib
vtkViewsCore-9.3-gd.lib
vtkViewsInfovis-9.3-gd.lib
vtkWrappingTools-9.3-gd.lib
vtkzlib-9.3-gd.lib

在链接器的输入的附加依赖项里增加这些，配置完成，电脑重启，即可生效

四、点云配准

#include <pcl/point_types.h>
#include <pcl/point_cloud.h>
#include <pcl/features/fpfh_omp.h>
#include <pcl/io/ply_io.h>//pcd输入输出头文件
#include <pcl/registration/icp.h>//点云icp算法头文件
#include <pcl/registration/ndt.h>//点云NDT算法头文件
#include <pcl/registration/ia_ransac.h>//点云ransac迭代对齐算法(SAC-IA)算法头文件
#include <pcl/registration/gicp.h>//点云GICP算法的头文件
#include <pcl/visualization/pcl_visualizer.h>//点云可视化头文件
#include <time.h>
#include <boost/thread.hpp>
#include <pcl/features/normal_3d_omp.h>
typedef pcl::PointXYZ PointT; //重定义pcl::PointXYZ为PointT
typedef pcl::PointCloud<PointT> PointCloud; //重定义pcl::PointCloud<PointT>为PointCloud
//点云配准类型
typedef pcl::IterativeClosestPoint<pcl::PointXYZ, pcl::PointXYZ> ICP;
typedef pcl::NormalDistributionsTransform<pcl::PointXYZ, pcl::PointXYZ> NDT;
typedef pcl::SampleConsensusInitialAlignment<pcl::PointXYZ, pcl::PointXYZ, pcl::FPFHSignature33> SAC_IA;
typedef pcl::GeneralizedIterativeClosestPoint<pcl::PointXYZ, pcl::PointXYZ> GICP;
//FPFH特征
typedef pcl::FPFHEstimationOMP<pcl::PointXYZ, pcl::Normal, pcl::FPFHSignature33> FPFHEstimation;
typedef pcl::PointCloud<pcl::FPFHSignature33> FPFH;
//法线估计
typedef pcl::NormalEstimationOMP<pcl::PointXYZ, pcl::Normal> NormalEstimation;
typedef pcl::PointCloud<pcl::Normal> Normal;
typedef pcl::search::KdTree<pcl::PointXYZ> KdTreeT;//点云可视化
void visualize_pcd(PointCloud::Ptr pcd_src,PointCloud::Ptr pcd_tgt,PointCloud::Ptr pcd_final)
{pcl::visualization::PCLVisualizer viewer("registration Viewer");// 设置背景viewer.setBackgroundColor(1, 1, 1);// 添加坐标轴到可视化对象，参数指定轴的大小（长度），这里设置为1.0单位长度viewer.addCoordinateSystem(0.5);// 设置相机位置和方向viewer.initCameraParameters();pcl::visualization::PointCloudColorHandlerCustom<PointT> src_h(pcd_src, 0, 255, 0);pcl::visualization::PointCloudColorHandlerCustom<PointT> tgt_h(pcd_tgt, 255, 0, 0);pcl::visualization::PointCloudColorHandlerCustom<PointT> final_h(pcd_final, 0, 0, 255);//viewer.addPointCloud(pcd_src, src_h, "source cloud");    //source绿色viewer.addPointCloud(pcd_tgt, tgt_h, "tgt cloud");     //target红色viewer.addPointCloud (pcd_final, final_h, "final cloud");  //final蓝色while (!viewer.wasStopped()){viewer.spinOnce(100);boost::this_thread::sleep(boost::posix_time::microseconds(1000));}
}void printinfo(Eigen::Matrix4f icp_trans, Eigen::Matrix3f rotation, Eigen::Vector3f translation, Eigen::Vector3f euler_angles_deg,Eigen::Quaternionf quaternion)
{cout.setf(ios::fixed);cout.precision(5);cout << endl << "Transformation matrix:" << endl << icp_trans << endl;//输出变换矩阵cout << endl << "Rotation matrix:" << endl << rotation << endl;cout << endl << "Translation vector:" << endl << translation << endl;cout << endl << "Euler Angle:" << endl;cout << endl << "roll(x):" << euler_angles_deg[2] << endl;cout << endl << "pitch(y):" << euler_angles_deg[1] << endl;cout << endl << "yaw(z):" << euler_angles_deg[0] << endl;// 输出四元数,由于欧拉角时常出现万向节，所以可以使用四元数来表示旋转，这样更精确cout << endl <<"Rotation quaternion: " << endl<< "w = " << quaternion.w() << endl<< ", x = " << quaternion.x() << endl<< ", y = " << quaternion.y() << endl<< ", z = " << quaternion.z() << endl;
}void downsampling(PointCloud::Ptr cloud_src_o, PointCloud::Ptr cloud_tgt_o,pcl::VoxelGrid<pcl::PointXYZ>::Ptr voxel_grid)
{float leaf = 0.005f;voxel_grid->setLeafSize(leaf, leaf, leaf); // 示例叶子大小voxel_grid->setInputCloud(cloud_src_o);voxel_grid->filter(*cloud_src_o);voxel_grid->setInputCloud(cloud_tgt_o);voxel_grid->filter(*cloud_tgt_o);
}
void normalestimation(NormalEstimation ne, Normal::Ptr src_normals, Normal::Ptr tgt_normals, KdTreeT::Ptr tree, PointCloud::Ptr cloud_src_o, PointCloud::Ptr cloud_tgt_o)
{创建一个NormalEstimationOMP对象,进行法线计算;ne.setSearchMethod(tree);ne.setKSearch(20);ne.setInputCloud(cloud_src_o);ne.compute(*src_normals);ne.setInputCloud(cloud_tgt_o);ne.compute(*tgt_normals);cout << "原点云法线计算完成" << endl <<*src_normals << endl;cout << "目标点云法线计算完成" << endl << *tgt_normals << endl;
}void fpfh_features(FPFHEstimation fpfh, FPFH::Ptr src_fpfhs,FPFH::Ptr tgt_fpfhs, PointCloud::Ptr cloud_src_o, PointCloud::Ptr cloud_tgt_o, KdTreeT::Ptr tree, Normal::Ptr src_normals, Normal::Ptr tgt_normals)
{fpfh.setSearchMethod(tree);fpfh.setRadiusSearch(0.05); // Use a radius search instead of a KdTree searchfpfh.setInputCloud(cloud_src_o);fpfh.setInputNormals(src_normals);fpfh.compute(*src_fpfhs);fpfh.setInputCloud(cloud_tgt_o);fpfh.setInputNormals(tgt_normals);fpfh.compute(*tgt_fpfhs);cout << "原点云特征计算完成" << *src_fpfhs << endl; cout << "目标点云特征计算完成" << *tgt_fpfhs << endl;
}GICP& gicp_registration(GICP& gicp, PointCloud& final_cloud,PointCloud::Ptr cloud_src_o, PointCloud::Ptr cloud_tgt_o)
{gicp.setInputSource(cloud_src_o);gicp.setInputTarget(cloud_tgt_o);// 配准时最大迭代次数gicp.setMaximumIterations(50);// 两次变化矩阵之间的差异小于这个阈值时，就认为已经收敛，停止迭代gicp.setTransformationEpsilon(1e-6);// 对应点之间的最大距离gicp.setMaxCorrespondenceDistance(0.05);// 采用随机采样一致性方法进行配准gicp.setRANSACOutlierRejectionThreshold(1.5);// 最小内点比例。在RANSAC配准方法中，当内点的比例小于此值时，认为配准失败。gicp.setRANSACIterations(20);// 执行配准，并将结果存储在Final中gicp.align(final_cloud);return gicp;}
SAC_IA& sacia_registration(SAC_IA & sac_ia, PointCloud& final_cloud,PointCloud::Ptr cloud_src_o, PointCloud::Ptr cloud_tgt_o,FPFH::Ptr & src_fpfhs, FPFH::Ptr& tgt_fpfhs)
{sac_ia.setInputSource(cloud_src_o);sac_ia.setSourceFeatures(src_fpfhs);sac_ia.setInputTarget(cloud_tgt_o);sac_ia.setTargetFeatures(tgt_fpfhs);// 设置SAC-IA配准的参数sac_ia.setMinSampleDistance(0.05f);sac_ia.setMaxCorrespondenceDistance(0.01f);sac_ia.setMaximumIterations(500);// 创建一个空的PointCloud对象来接收结果pcl::PointCloud<pcl::PointXYZ> final_registration;// 执行配准，并将结果存储在final_registration中sac_ia.align(final_registration);return sac_ia;
}
NDT& ndt_registration(NDT & ndt, PointCloud& final_cloud,PointCloud::Ptr cloud_src_o, PointCloud::Ptr cloud_tgt_o)
{// 配置NDTndt.setTransformationEpsilon(0.1);ndt.setStepSize(0.5);ndt.setResolution(2.0);ndt.setMaximumIterations(20);ndt.setInputSource(cloud_src_o);ndt.setInputTarget(cloud_tgt_o);ndt.align(final_cloud);return ndt;
}ICP& icp_registration(ICP & icp, PointCloud & final_cloud, PointCloud::Ptr cloud_src_o, PointCloud::Ptr cloud_tgt_o)
{icp.setMaximumIterations(50);// 两次变化矩阵之间的差值icp.setTransformationEpsilon(1e-10);// 均方误差icp.setEuclideanFitnessEpsilon(0.01);icp.setInputSource(cloud_src_o);//录入source点云icp.setInputTarget(cloud_tgt_o);//录入target点云icp.align(final_cloud);//最终配准结果return icp;
}
int main(int argc, char** argv)
{//加载点云文件PointCloud::Ptr cloud_src_o(new pcl::PointCloud<pcl::PointXYZ>);//原点云，待配准pcl::io::loadPLYFile("ply/bun_zipper.ply", *cloud_src_o);PointCloud::Ptr cloud_tgt_o(new pcl::PointCloud<pcl::PointXYZ>);//目标点云pcl::io::loadPLYFile("ply/bun_zipper2.ply", *cloud_tgt_o);clock_t start = clock();//下采样pcl::VoxelGrid<pcl::PointXYZ>::Ptr voxel_grid(new pcl::VoxelGrid<pcl::PointXYZ>);downsampling(cloud_src_o, cloud_tgt_o, voxel_grid);创建一个NormalEstimationOMP对象,进行法线计算NormalEstimation ne;Normal::Ptr src_normals(new pcl::PointCloud<pcl::Normal>);Normal::Ptr tgt_normals(new pcl::PointCloud<pcl::Normal>);KdTreeT::Ptr tree(new pcl::search::KdTree<pcl::PointXYZ>());normalestimation(ne, src_normals, tgt_normals, tree, cloud_src_o, cloud_tgt_o);//计算FPFH特征/*FPFHEstimation fpfh;FPFH::Ptr src_fpfhs(new pcl::PointCloud<pcl::FPFHSignature33>());FPFH::Ptr tgt_fpfhs(new pcl::PointCloud<pcl::FPFHSignature33>());fpfh_features(fpfh, src_fpfhs, tgt_fpfhs, cloud_src_o, cloud_tgt_o, tree, src_normals, tgt_normals);*/// 点云配准PointCloud::Ptr icp_result(new pcl::PointCloud<pcl::PointXYZ>);PointCloud final_cloud;ICP icp;ICP & reg_p = icp_registration(icp, final_cloud, cloud_src_o, cloud_tgt_o);/*NDT ndt;NDT & reg_p = ndt_registration(ndt, final_cloud, cloud_src_o, cloud_tgt_o);*//*GICP gicp;GICP& reg_p = gicp_registration(gicp, final_cloud, cloud_src_o, cloud_tgt_o);*///SAC_IA sac_ia;//SAC_IA& reg_p = sacia_registration(sac_ia, final_cloud, cloud_src_o, cloud_tgt_o, src_fpfhs, tgt_fpfhs);clock_t end = clock();cout << "total time: " << (double)(end - start) / (double)CLOCKS_PER_SEC << " s" << endl;//输出配准所用时间cout << "ICP has converged:" << reg_p.hasConverged() << " score: " << reg_p.getFitnessScore() << std::endl;Eigen::Matrix4f reg_p_trans;// 变换矩阵reg_p_trans = reg_p.getFinalTransformation();// 平移向量Eigen::Vector3f translation = reg_p_trans.block<3, 1>(0, 3);// 旋转矩阵Eigen::Matrix3f rotation = reg_p_trans.block<3, 3>(0, 0);// 转换为四元数Eigen::Quaternionf quaternion(rotation);// 使用四元数重新计算欧拉角Eigen::Vector3f euler_angles_rad = quaternion.toRotationMatrix().eulerAngles(2, 1, 0);获取欧拉角（弧度）//Eigen::Vector3f euler_angles_rad = rotation.eulerAngles(0, 1, 2);// 将弧度转换为角度Eigen::Vector3f euler_angles_deg = euler_angles_rad * 180.0 / M_PI;printinfo(reg_p_trans, rotation, translation, euler_angles_deg, quaternion);//使用创建的变换对未过滤的输入点云进行变换pcl::transformPointCloud(*cloud_src_o, *icp_result, reg_p_trans);visualize_pcd(cloud_src_o, cloud_tgt_o, icp_result);return (0);
}

这里面有四种点云配准方法，ICP，NDT，GICP，SAC-IA，其中使用SAC-IA的时候要把fpfh计算的代码解开注释，其他算法使用的时候不需要解开fpfh计算的代码；提醒下，fpfh和SAC-IA计算较为缓慢，出结果需要四五分钟

这份配准所需点云文件链接：

链接：https://pan.baidu.com/s/1QduGSfYcMN2MLRa08e0eSg 
提取码：wstc 

五、保存配置

为了在以后新建项目时不重复进行第三部分的配置，可以保存属性表；点击visual studio2022的视图下的其他窗口，找到属性管理器，点击

下方会出现属性管理器的字样，点击

然后右键Debug | x64，点击添加新项目属性表

随便命个名，点击添加，我命名为PCL.props

这里就会出现PCL的属性表，双击之后，重复，第三部分的配置即可，这个属性表会保存在和你的cpp文件的同级目录下

然后你就可以新建一个项目，在新项目中也找到Debug | x64，右键添加现有属性表，找到我们刚才配置的PCL.props，就可以导入我们刚才的配置了

六、未来如果你要用PCL做某些大型项目，可能会遇到 fatal error C1128: 节数超过对象文件格式限制: 请使用 /bigobj 进行编译，这种问题，解决方法：

打开该项目的“属性页”对话框，单击“C/C++”项，单击“命令行”属性页，在“附加选项”框中键入编译器选项,添加 /bigobj，再次编译即可。

在 Visual Studio 中使用 /bigobj 编译选项的主要好处是允许生成更大的对象文件。这是通过扩展 COFF（Common Object File Format）的限制来实现的。以下是 /bigobj 选项的一些具体好处：

  1. 增加节的数量限制： 正常情况下，COFF 格式的对象文件有限制，例如节的数量不能超过 2^16-1（65535）。使用 /bigobj 可以将这个限制提高到 2^32-1（约 4.29 亿），这对于包含大量代码的大型项目非常有用。

  2. 提供更多的符号： 对于有大量符号（例如函数、变量、模板实例化）的代码，/bigobj 也提供了更多的符号支持。

  3. 处理复杂的模板： 使用大量模板特化和模板元编程的 C++ 代码可能会生成非常大的对象文件。/bigobj 让编译器能够处理这些复杂的模板情况。

  4. 适用于大型项目： 对于非常大的项目，尤其是那些有大量源代码文件或者是由多个库组合而成的项目，使用 /bigobj 选项可以避免在编译过程中出现对象文件格式限制的错误。

使用 /bigobj 选项没有显著的缺点，除了可能会增加编译后的对象文件大小。然而，它确实是解决某些大型或复杂项目导致的对象文件格式限制问题的必要手段。如果你的项目没有遇到相关的编译限制问题，那么通常不需要使用这个选项。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/669271.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Open CASCADE学习|拉伸

Open CASCADE学习|拉伸

目录 1、沿方向拉伸 2、沿路径拉伸 3、变形拉伸 1、沿方向拉伸 #include <Geom_CylindricalSurface.hxx> #include <gp_Ax3.hxx> #include <GeomAPI_Interpolate.hxx> #include <BRepAdaptor_Curve.hxx> #include <BRepBuilderAPI_MakeEdge.hxx&…
阅读更多...
追觅发布多款旗舰新品，双机械臂扫地机器人X40领衔登场

追觅发布多款旗舰新品，双机械臂扫地机器人X40领衔登场

2月2日&#xff0c;追觅科技全球首创仿生“双”机械臂新品发布会在苏州举行。会上&#xff0c;追觅科技中国区总裁郭人杰分享了追觅科技全球化发展的业绩成果。郭人杰称&#xff0c;2019-2023年&#xff0c;追觅科技5年复合年增长率超过100%&#xff0c;增速领跑智能清洁行业&a…
阅读更多...
LeetCode、746. 使用最小花费爬楼梯【简单，动态规划 线性DP】

LeetCode、746. 使用最小花费爬楼梯【简单，动态规划 线性DP】

文章目录 前言LeetCode、746. 使用最小花费爬楼梯【简单&#xff0c;动态规划 线性DP】题目与分类思路 资料获取 前言 博主介绍&#xff1a;✌目前全网粉丝2W&#xff0c;csdn博客专家、Java领域优质创作者&#xff0c;博客之星、阿里云平台优质作者、专注于Java后端技术领域。…
阅读更多...
python的进程，线程、协程

python的进程，线程、协程

python进程的实现 #coding:utf-8 from multiprocessing import Process import timedef run(name):print(%s is running % name)time.sleep(3)print(%s finished his run % name)if __name__ __main__:p Process(targetrun, args(XWenXiang,)) # 创建一个进程对象p.start()…
阅读更多...
Redis（十二）Bigkey

Redis（十二）Bigkey

文章目录 游标案例生成100万测试数据key生产上限制keys */flushdb/flushall等危险命令不使用keys *&#xff1a;scan Biigkey案例多大算大发现bigkey渐进式删除生产调优示例问题 游标案例 生成100万测试数据key shell: for((i1;i<100*10000;i)); do echo "set k$i v…
阅读更多...
Nicn的刷题日常之调整奇数偶数顺序

Nicn的刷题日常之调整奇数偶数顺序

目录 1.题目描述 2.解题思路 3.解题 1.题目描述 输入一个整数数组&#xff0c;实现一个函数&#xff0c; 来调整该数组中数字的顺序使得数组中所有的奇数位于数组的前半部分&#xff0c; 所有偶数位于数组的后半部分。 2.解题思路 1. 给定两个下标left和right&#xff…
阅读更多...
手拉手spring-boot-starter-mail实现发送QQ邮箱

手拉手spring-boot-starter-mail实现发送QQ邮箱

技术栈 springbootmybatis-plusmysql 软件 版本 IDEA IntelliJ IDEA 2022.2.1 JDK 17 Spring Boot 3.1 mybatis-plus 3.5 spring-boot-starter-mail Springboot版本 spring boot对mail的封装支持非常好&#xff0c;方便&#xff0c;几行代码就可以把邮件集成进来…
阅读更多...
调用Gensim库训练Word2Vec模型

调用Gensim库训练Word2Vec模型

一、前期工作&#xff1a; 1. 安装Gensim库 pip install gensim 2.安装chardet库 pip install chardet 3. 对原始语料分词 选择《人民的名义》的小说原文作为语料&#xff0c;先采用jieba进行分词 import jieba import jieba.analyse import chardet jieba.suggest_freq…
阅读更多...
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（三）

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（三）

原文&#xff1a;Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow 译者&#xff1a;飞龙 协议&#xff1a;CC BY-NC-SA 4.0 第六章&#xff1a;决策树 决策树是多功能的机器学习算法&#xff0c;可以执行分类和回归任务&#xff0c;甚至多输出任务。它们…
阅读更多...
麻雀搜索算法|Sparrow Search Algorithm(SSA)

麻雀搜索算法|Sparrow Search Algorithm(SSA)

在麻雀群体智慧、觅食和反捕食行为的启发下&#xff0c;提出了一种新的群体优化方法&#xff0c;即麻雀搜索算法&#xff08;SSA&#xff09;。 1、简介 在麻雀搜索算法中包含三种类型的麻雀个体&#xff0c;即发现者、跟随者和侦察者&#xff0c;三种类型对应三种行为。发现…
阅读更多...
GM8775C——DSI 转双通道 LVDS 发送器

GM8775C——DSI 转双通道 LVDS 发送器

1 产品概述 GM8775C 型 DSI 转双通道 LVDS 发送器产品主要实现将 MIPI DSI 转单 / 双通道 LVDS 功能&#xff0c; MIPI 支持 1/2/3/4 通道可选&#xff0c;每通道最高支持 1Gbps 速率&#xff0c;最大支持 4Gbps 速率。 LVDS 时钟频率高达 154MHz &#xff…
阅读更多...
Postgresql体系结构

Postgresql体系结构

client连接PostgreSQL过程&#xff1a; 1、客户端发起请求 2、主服务postmaster进程负责服务器是否接受客户端的host通信认证&#xff0c;服务器对客户端进行身份鉴别 3、主服务进程为该客户端单独fork一个客户端工作进程postgres 4、客户端与postgres进程建立通信连接&#xf…
阅读更多...
ensp实验合集（三）

ensp实验合集（三）

实验11 无线网设备配置.......................................................... - 97 - 实验12 单臂路由器配置........................................................ - 106 - 实验13 防火墙配置.............................................................…
阅读更多...
git将项目的某次签入遴选（Cherry-Pick）另一个项目

git将项目的某次签入遴选（Cherry-Pick）另一个项目

需求&#xff1a;将项目Product&#xff0c;分支feature/platform&#xff0c;签入959294ce6b75ee48c5cb22c46d7398654628a896&#xff0c;遴选到项目BRP&#xff0c;分支dev 第一步&#xff1a;使用原签入生成patch文件&#xff08;git format-patch -1 <commit_hash>&a…
阅读更多...
OpenCV学习记录——边缘检测

OpenCV学习记录——边缘检测

文章目录 前言一、边缘检测原理二、Canny边缘检测算法三、具体应用代码 前言 在做某些图像处理时&#xff0c;通常需要将识别到的物体边界提取出来&#xff0c;从而帮助我们实现目标检测&#xff0c;这就需要用到边缘检测&#xff0c;例如人脸识别和运动目标的检测都需要先进行…
阅读更多...
pdf怎么转成高清图？pdf在线转换器推荐分享

pdf怎么转成高清图？pdf在线转换器推荐分享

在日常的工作或者学习中&#xff0c;有时候会需要将编辑好的pdf转高清图片&#xff0c;这样更方便我们后续使用&#xff0c;那么怎么将pdf转图片&#xff08;https://www.yasuotu.com/pdftopic&#xff09;还能保持清晰呢&#xff1f;下面介绍一款pdf转换工具&#xff0c;支持p…
阅读更多...
使用SPM_batch进行批量跑脚本（matlab.m）

使用SPM_batch进行批量跑脚本（matlab.m）

软件&#xff1a;spm8matlab2023bwin11 数据格式&#xff1a; F:\ASL\HC\CBF\HC_caishaoqing\CBF.nii F:\ASL\HC\CBF\HC_caishaoqing\T1.nii F:\ASL\HC\CBF\HC_wangdonga\CBF.nii F:\ASL\HC\CBF\HC_wangdonga\T1.nii clear spmdirD:\AnalysisApps\spm8; datadirF:\ASL\HC\CBF…
阅读更多...
Profinet转CANopen主站网关与堡盟编码器通讯案例

Profinet转CANopen主站网关与堡盟编码器通讯案例

Profinet转CANopen主站网关(XD-COPNm20)为CPU与堡盟编码器的通讯提供了CANopen协议向Profinet协议转换互通的桥梁。CANopen是一种基于CAN总线的通讯协议&#xff0c;它被广泛应用于工业自动化领域&#xff0c;而Profinet是一种以太网协议&#xff0c;其优点是高速传输和广泛的可…
阅读更多...
【iOS ARKit】手动配置环境探头

【iOS ARKit】手动配置环境探头

在上节中我们已经了解了环境探头以及如何使用自动环境探头&#xff0c;这节一起了解如何使用手动配置环境探头。 在使用自动环境反射时&#xff0c;开发人员无须进行有关环境反射的任何操作&#xff0c;只需要设置自动环境反射即可&#xff0c;其余工作完全由 RealityKit 自动完…
阅读更多...
【django】建立python虚拟环境-20240205

【django】建立python虚拟环境-20240205

1.确保已经安装pip3 install venv 2.新建虚拟环境 python -m venv myenv 3.安装虚拟环境的依赖包 pip install … 4.激活虚拟环境 cd myenv cd Scripts activate 激活activate.bat并进入虚拟环境 进入虚拟环境后&#xff0c;命令行前面显示&#xff08;myenv&#xff0…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023