目前钻研的方向是基于车载激光雷达进行路线环境的三维高精地图的构建。这种高精地图是以车载激光雷达采集的点云为基准，以图像为辅助来进行路线环境信息的辨认的提取。其中对点云的解决非常重要，针对点云进行工作，肯定绕不开PCL库。PCL(PointCloudLibrary)是一个独立凋谢的2D/3D点云跨平台C++库。PCL蕴含多个模块，如点云获取、滤波、宰割、配准、检索、特征提取、辨认、追踪、曲面重建、可视化等，为点云解决提供了极大的便当。

之前学习PCL的时候是在win10下，win10配置PCL库非常繁琐，容易出错。此外，当初小组的工作站和我本人的集体笔记本都是Ubuntu20.04，因而在Ubuntu20.04上进行PCL库的装置和配置。

整顿了网上的攻略，装置步骤如下：

1. 装置各种依赖

sudo apt-get updatesudo apt-get install git build-essential linux-libc-devsudo apt-get install cmake cmake-guisudo apt-get install libusb-1.0-0-dev libusb-dev libudev-devsudo apt-get install mpi-default-dev openmpi-bin openmpi-commonsudo apt-get install libflann1.9 libflann-devsudo apt-get install libeigen3-devsudo apt-get install libboost-all-devsudo apt-get install libqhull* libgtest-dev  sudo apt-get install freeglut3-dev pkg-config  sudo apt-get install libxmu-dev libxi-dev   sudo apt-get install mono-complete   sudo apt-get install libopenni-dev   sudo apt-get install libopenni2-dev sudo apt-get install libvtk7-deb libvtk6-devsudo apt-get install qt5-default

其中依照网上攻略执行sudo apt-get install libflann1.8 libflann-dev一步时产生谬误，显示显示无奈定位包libflann1.8。查阅Ubuntu Packages后发现18.04后须要libflann1.9版本，改成sudo apt-get install libflann1.9 libflann-dev后胜利装置

2. 装置PCL

sudo apt-get install libpcl-dev

这里我采纳了比拟简便的apt-get指令，当然也能够去pcl官网github下载须要的pcl版本放到主目录下，而后进行源码装置。

至此，PCL库的装置和配置就算是实现了，接下来测试一下PCL库是否能够失常运行

3. 编写CPP源码
test.cpp源文件

#include <iostream>#include <pcl/common/common_headers.h>#include <pcl/io/pcd_io.h>#include <pcl/visualization/pcl_visualizer.h>#include <pcl/visualization/cloud_viewer.h>#include <pcl/console/parse.h>  int main(int argc, char **argv) {    std::cout << "Test PCL !!!" << std::endl;        pcl::PointCloud<pcl::PointXYZRGB>::Ptr point_cloud_ptr (new pcl::PointCloud<pcl::PointXYZRGB>);    uint8_t r(255), g(15), b(15);    for (float z(-1.0); z <= 1.0; z += 0.05)    {      for (float angle(0.0); angle <= 360.0; angle += 5.0)      {    pcl::PointXYZRGB point;    point.x = 0.5 * cosf (pcl::deg2rad(angle));    point.y = sinf (pcl::deg2rad(angle));    point.z = z;    uint32_t rgb = (static_cast<uint32_t>(r) << 16 |        static_cast<uint32_t>(g) << 8 | static_cast<uint32_t>(b));    point.rgb = *reinterpret_cast<float*>(&rgb);    point_cloud_ptr->points.push_back (point);      }      if (z < 0.0)      {    r -= 12;    g += 12;      }      else      {    g -= 12;    b += 12;      }    }    point_cloud_ptr->width = (int) point_cloud_ptr->points.size ();    point_cloud_ptr->height = 1;        pcl::visualization::CloudViewer viewer ("test");    viewer.showCloud(point_cloud_ptr);    while (!viewer.wasStopped()){ };    return 0;}

4. cmake
在目录下创立TestPCL文件夹，用于存储测试项目的文件，将test.cpp和CMakeLists.txt存储至TestPCL文件夹，创立TestPCL/bulid文件夹以贮存两头文件。

CMakeLists.txt内容如下

cmake_minimum_required(VERSION 2.6)project(TEST)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})install(TARGETS TEST RUNTIME DESTINATION bin)

间隔上次学习cmake根底语法曾经过来大半年了，此处须要再复习一遍。

首先cd到TestPCL文件夹，在shell里输出一下命令：make后失去可执行文件TEST，间接执行，就能够失去用于测试的点云模型。

cd buildcmake ..make./TEST