安装测试点云配准4PCS算法1

原安装测试点云配准4PCS算法 2016年12月30日 11:25:54 阅读数：1887

今天有空，想看看点云配准4PCS算法，据说是一个高效鲁棒性很好的算法。

闲话少说，还是记录一下我的安装过程吧。

免得过段时间我又忘记了~~~~~~

首先先说一下我的电脑配置：

[python]

view plain copy print ?

虚拟机安装ubuntu 14.04 LTS

虚拟机安装ubuntu 14.04 LTS

[python]

view plain copy print ?

内存：2.1GB处理器：Intel® Core™ i5-4590 CPU @ 3.30GHz × 3

内存：2.1GB处理器：Intel® Core™ i5-4590 CPU @ 3.30GHz × 3

[python]

view plain copy print ?

图形：Gallium 0.4 on SVGA3D; build: RELEASE;

图形：Gallium 0.4 on SVGA3D; build: RELEASE;

[python]

view plain copy print ?

操作系统：64位

操作系统：64位

[python]

view plain copy print ?

磁盘：39.9

磁盘：39.9

先在github拉一下源代码：

[python]

view plain copy print ?

git clone https://github.com/nmellado/Super4PCS

git clone https://github.com/nmellado/Super4PCS

官方安装教程：官方安装教程

安装依赖项：Eigen,OpenCV，boost请自行安装

下面安装libANN-1.1.2,CFITSIO

[python]

view plain copy print ?

sudo apt-get install update
sudo apt-get install libann-dev
sudo apt-get install libcfitsio3-dev
sudo ldconfig

sudo apt-get install update
sudo apt-get install libann-dev  
sudo apt-get install libcfitsio3-dev  
sudo ldconfig

打开CMakeList文件，作如下修改：

[python]

view plain copy print ?

find_path(ANN_DIR ann_1.1.2)
IF(DEFINED ANN_DIR)
set(ANN_INCLUDE_DIR ”{ANN_DIR}/include")  </li><li class="">  include_directories(  {ANN_DIR}/include")  </li><li class="">  include_directories(  )
include_directories( {ANN_INCLUDE_DIR} )
if (MSVC)
set(ANN_LIBS ”{ANN_DIR}/lib/libANN.dll")  </li><li class="">  else()  </li><li class="alt">    set(ANN_LIBS " {ANN_DIR}/lib/libANN.dll")  </li><li class="">  else()  </li><li class="alt">    set(ANN_LIBS " )
else()
set(ANN_LIBS "{ANN_DIR}/lib/libANN.a”)
endif()
ENDIF(DEFINED ANN_DIR)

find_path(ANN_DIR ann_1.1.2)
IF(DEFINED ANN_DIR)
  set(ANN_INCLUDE_DIR "${ANN_DIR}/include")
  include_directories( ${ANN_INCLUDE_DIR} )

  if (MSVC)
    set(ANN_LIBS "${ANN_DIR}/lib/libANN.dll")
  else()
    set(ANN_LIBS "${ANN_DIR}/lib/libANN.a")
  endif()
ENDIF(DEFINED ANN_DIR)

修改为

[python]

view plain copy print ?

find_path(ANN_DIR ann_1.1.2)
IF(DEFINED ANN_DIR)
set(ANN_INCLUDE_DIR ”{ANN_DIR}/include")  </li><li class="">  include_directories(  {ANN_DIR}/include")  </li><li class="">  include_directories(  )
include_directories( {ANN_INCLUDE_DIR} )
if (MSVC)
set(ANN_LIBS ”{ANN_DIR}/lib/libann.dll")  </li><li class="">  else()  </li><li class="alt">    set(ANN_LIBS " {ANN_DIR}/lib/libann.dll")  </li><li class="">  else()  </li><li class="alt">    set(ANN_LIBS " )
else()
set(ANN_LIBS "{ANN_DIR}/lib/libann.a”)
endif()
ENDIF(DEFINED ANN_DIR)

find_path(ANN_DIR ann_1.1.2)
IF(DEFINED ANN_DIR)
  set(ANN_INCLUDE_DIR "${ANN_DIR}/include")
  include_directories( ${ANN_INCLUDE_DIR} )

  if (MSVC)
    set(ANN_LIBS "${ANN_DIR}/lib/libann.dll")
  else()
    set(ANN_LIBS "${ANN_DIR}/lib/libann.a")
  endif()
ENDIF(DEFINED ANN_DIR)

好了，安装完依赖以后，可以开始编译了。

[python]

view plain copy print ?

cd Super4PCS
mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DANN_DIR=/usr/ ..
make

cd Super4PCS
mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DANN_DIR=/usr/ ..
make

正常来说，应该不会出现什么问题了。在build文件夹中生成可执行文件Super4PCS

安装测试点云配准4PCS算法1

下载数据，测试：

安装测试点云配准4PCS算法1

github：https://github.com/nmellado/Super4PCS

wiki：https://github.com/nmellado/Super4PCS/wiki

web：http://geometry.cs.ucl.ac.uk/projects/2014/super4PCS/

MathJax.Hub.Config({

"HTML-CSS": {

linebreaks: { automatic: true, width: "94%container" },

imageFont: null

tex2jax: {

preview: "none"

mml2jax: {

preview: 'none'

}

});

(function(){

点云配准各种方法总结[不定时更新]

　　本文主要用来记录我在学习过程中接触到的一些或新或旧的点云配准的方法，有些方法我可能还不怎么理解，如果有错误欢迎大家指出。 2018/04/15 添加LORAX 2018/04/08…

安装测试点云配准4PCS算法1

Ha_ku

2018-03-30 11:55:54

阅读数：342

ubuntu下编译开源代码Super4PCS

Super4PCS是用于点云配准的一种快速，有效的方法，属于随机采样算法的一个变种。它基于4pcs算法配准速度非常慢的缺点进行改进，利用智能索引实现4pcs算法计算复杂度的显著降低。理论部分详细见论文…

安装测试点云配准4PCS算法1

Yangzhihua1347142721

2015-12-07 14:20:04

阅读数：2036

(function() { var s = “_” + Math.random().toString(36).slice(2); document.write(‘ ‘); (window.slotbydup=window.slotbydup || []).push({ id: ‘4765209’, container: s, size: ‘808,120’, display: ‘inlay-fix’ }); })(); scrolling="no"> 广告

.ad-text {padding:0px;}

</div>
            <div class="recommend-item-box csdn-tracking-statistics" data-mod="popu_387" data-poputype="feed" data-feed-show="false" data-dsm="post">
    <h4 class="text-truncate">
        <a href="https://blog.csdn.net/qq_35126246/article/details/76592611" target="_blank" rel="external nofollow"  target="_blank" rel="external nofollow"  target="_blank" strategy="BlogCommendFromBaidu_2">
            <em>点云</em>匹配和ICP<em>算法</em>概述          </a>
    </h4>
    <p class="content">
        <a href="https://blog.csdn.net/qq_35126246/article/details/76592611" target="_blank" rel="external nofollow"  target="_blank" rel="external nofollow"  target="_blank">
            Iterative Closest Point (ICP) [1][2][3] is an algorithm employed to minimize the difference between ...         </a>
    </p>
    <div class="info-box d-flex align-content-center">
        <p>
            <a class="avatar" src="https://blog.csdn.net/qq_35126246" title="qq_35126246" target="_blank">
                <img src="https://avatar.csdn.net/2/8/D/3_qq_35126246.jpg" alt="qq_35126246" class="avatar-pic">
                <span class="name">qq_35126246</span>
            </a>
        </p>
        <p>
            <span class="date">2017-08-02 18:19:11</span>
        </p>
        <p>
            <span class="read-num">阅读数：700</span>
        </p>
    </div>
</div>
                <div class="recommend-item-box csdn-tracking-statistics" data-mod="popu_387" data-poputype="feed" data-feed-show="false" data-dsm="post">
    <h4 class="text-truncate">
        <a href="https://blog.csdn.net/u012348774/article/details/79072860" target="_blank" rel="external nofollow"  target="_blank" rel="external nofollow"  target="_blank" strategy="BlogCommendFromBaidu_3">
            CloudCompare：高程渲染           </a>
    </h4>
    <p class="content">
        <a href="https://blog.csdn.net/u012348774/article/details/79072860" target="_blank" rel="external nofollow"  target="_blank" rel="external nofollow"  target="_blank">
            http://www.danielgm.net/cc/forum/viewtopic.php?f=9&amp;p=5957

http://www.cloudcompare.org/doc/wiki/inde…

安装测试点云配准4PCS算法1

u012348774

2018-01-16 11:30:08

阅读数：196

Super4PCS文章阅读笔记

Super4PCS阅读笔记

前言

今天给大家分享一下点云配准四点法4PCS0的变种——Super4PCS。此算法的原文在：Super…

安装测试点云配准4PCS算法1

Ha_ku

2018-03-26 20:26:51

阅读数：84

4-Points Congruent Sets for Robust Pairwise Surface Registration——4PCS阅读笔记

4-Points Congruent Sets for Robust Pairwise Surface Registration

4-Points Congruent Sets for Ro…

安装测试点云配准4PCS算法1

Ha_ku

2018-03-08 10:18:14

阅读数：233

https://s3m.mediav.com/galileo/504174-97d898d84bec71bdcc45e9bf46a73202.jpg)”>

光谷大妈偷偷瞒着老公炒股3年，竟从未亏过！！

掌尚 · 顶新

CloudCompare功能概要

File

open：打开

save：保存

Global Shift settings：设置最大绝对坐标，最大实体对角线

Primitive Factory：对点云进行原始加工，改变原始点云的形状

…

安装测试点云配准4PCS算法1

huihut

2017-04-06 18:07:51

阅读数：8325

PCL系列——如何逐渐地配准一对点云

PCL系列

PCL系列——读入PCD格式文件操作

PCL系列——将点云数据写入PCD格式文件

PCL系列——拼接两个点云

PCL系列——从深度图像(RangeImage)中提取NARF关键点

PCL系…

安装测试点云配准4PCS算法1

xuezhisdc

2016-03-31 22:51:40

阅读数：13150

源代码的编译与安装

绝大多数来自“源头”的源代码都是封装成所谓的tarball格式。何为tarball？一般而言，有份量的Open Source软件都含有相当多的文件，包括源代码、说明文件、编译支持文件、配置文件…

安装测试点云配准4PCS算法1

hustspy1990

2010-03-31 18:52:00

阅读数：5413

win10 安装点云库 pcl 1.8.0

点我进入原文

如果希望自己编译PCL 可以参考文章 http://blog.csdn.net/aptx704610875/article/details/49947049

PCL1.8.0 A…

安装测试点云配准4PCS算法1

zhyh1435589631

2017-01-17 16:28:47

阅读数：1800

Ubuntu 下的软件安装

gcc安装

命令：sudo apt-get install build-essential

http://www.cnblogs.com/zero1665/archive/2009/11/03/1…

安装测试点云配准4PCS算法1

breeze5428

2014-04-22 16:22:39

阅读数：2302

Ubuntu下编译源码

Build

Ubuntu系统安装

由于当前的android系统只能在linux环境编译，所以需要安装一个可以build的linux系统，如果对linux不是很熟悉，可以安装ubuntu des…

安装测试点云配准4PCS算法1

Encode_myself

2016-09-22 13:57:27

阅读数：617

点云匹配

Iterative Closest Point (ICP) [1][2][3] is

an algorithm employed to minimize the difference betwee…

安装测试点云配准4PCS算法1

my_lixiang

2016-10-28 21:16:56

阅读数：1360

scrolling="no">

开源项目: ZThread 在Ubuntu上的编译

前提本来很简单./configure

make

makeinstall但是由于作者很早就不更新了，而导致在新系统上有很多问题错误表现./configure 时候出现错误checking for cor…

安装测试点云配准4PCS算法1

stwstw0123

2015-10-20 14:22:04

阅读数：631

RANSAC在三维重建中点云配准中的应用

这是我在三维重建过程中进行点云配准的时候，用到的一个算法，记录下来，以便查阅。原文请移步：http://grunt1223.iteye.com/blog/961063

1 概述

RANS…

安装测试点云配准4PCS算法1

Jake_cai

2016-11-17 15:12:18

阅读数：606

点云配准的ICP算法代码

2010年05月26日

30KB

下载

安装测试点云配准4PCS算法1

PCL中的点云配准（Registration）ICP算法

引言给定两个来自不同坐标系的三维数据点集，找到两个点集空间的变换关系，使得两个点集能统一到同一坐标系统中，即配准过程。配准的目标是在全局坐标框架中找到单独获取的视图的相对位置和方向，使得它们之间的相交…

安装测试点云配准4PCS算法1

wokaowokaowokao12345

2017-06-26 17:08:40

阅读数：5183

基于MATLAB的点云配准程序

2011年03月16日

2.03MB

下载

安装测试点云配准4PCS算法1

id="iframeu3394176_0" src="https://pos.baidu.com/pcum?conwid=800&conhei=100&rdid=3394176&dc=3&di=u3394176&dri=0&dis=0&dai=4&ps=5005x343&enu=encoding&dcb=___adblockplus&dtm=HTML_POST&dvi=0.0&dci=-1&dpt=none&tsr=0&tpr=1526268017740&ti=%E5%AE%89%E8%A3%85%E6%B5%8B%E8%AF%95%E7%82%B9%E4%BA%91%E9%85%8D%E5%87%864PCS%E7%AE%97%E6%B3%95%20-%20CSDN%E5%8D%9A%E5%AE%A2&ari=2&dbv=2&drs=3&pcs=1903x974&pss=1903x5078&cfv=0&cpl=5&chi=2&cce=true&cec=UTF-8&tlm=1526268018&prot=2&rw=974&ltu=https%3A%2F%2Fblog.csdn.net%2Fu012700322%2Farticle%2Fdetails%2F53940722&ecd=1&uc=1920x1040&pis=-1x-1&sr=1920x1080&tcn=1526268018&qn=97e73e348451eddf&tt=1526268017445.627.628.629" width="800" height="100" align="center,center" vspace="0" hspace="0" scrolling="no">

基于PCL的三维重建——点云配准（一）ICP算法实现

在逆向工程，计算机视觉，文物数字化等领域中，由于点云的不完整，旋转错位，平移错位等，使得要得到的完整的点云就需要对局部点云进行配准，为了得到被测物体的完整数据模型，需要确定一个合适的坐标系，将从各个视…

安装测试点云配准4PCS算法1

qq_33933704

2017-11-28 11:22:46

阅读数：1518

点云配准，fpfh

2017年07月22日

4KB

下载

安装测试点云配准4PCS算法1

没有更多推荐了，返回首页

安装测试点云配准4PCS算法1

点云配准各种方法总结[不定时更新]

ubuntu下编译开源代码Super4PCS

Super4PCS文章阅读笔记

4-Points Congruent Sets for Robust Pairwise Surface Registration——4PCS阅读笔记

CloudCompare功能概要

PCL系列——如何逐渐地配准一对点云

源代码的编译与安装

win10 安装点云库 pcl 1.8.0

Ubuntu 下的软件安装

Ubuntu下编译源码

点云匹配

开源项目: ZThread 在Ubuntu上的编译

RANSAC在三维重建中点云配准中的应用

点云配准的ICP算法代码

PCL中的点云配准（Registration）ICP算法

基于MATLAB的点云配准程序

基于PCL的三维重建——点云配准（一）ICP算法实现

点云配准，fpfh

继续阅读

PCL - MLS代碼研讀（八）- MovingLeastSquares

PCL - MLS代碼研讀（十二）- addProjectedPointNormal及copyMissingFields函數

PCL - ICP代碼研讀（六） - IterativeClosestPoint架構

PCL - ICP代碼研讀（十三） - CorrespondenceEstimationBase實現

open3d提取每个点的法向量并可视化

【点云配准-4PCS（2008）】4-Points Congruent Sets for Robust Pairwise Surface Registration1 背景2 4点一致性3 4PCS算法参考

CloudCompare打开pcd文件

【论文笔记】基于点云柱面投影图的平面特征提取SLAM：　Fast planar surface 3D SLAM using LIDAR 2017

点云格式介绍（更新中，待补充）一、点云的基本组成二、pcd文件三、ply文件四、txt文件五、bin文件

66.[PCL]PCD文件格式简介PCD版本

阅读笔记 Deep Hough Voting for 3D Object Detection in Point Clouds

基于ICP算法的三维点云模型的自动配准算法matlab仿真

三维点云数据处理学习内容总结

自动驾驶之点云与图像融合综述

RoadMap:面向自动驾驶视觉定位的轻量级语义地图（ICRA2021）

自动驾驶传感器融合：激光雷达+摄像头