详细——Ubuntu下源码安装PCL1.8_ubuntu yuanma anzhuang pcl1.8-程序员宅基地

技术标签: # PCL  安装  pcl  

本博文主要讲解在Ubuntu下如何从源码安装PCL1.8库,系统配置为ubuntu 16.04.

安装步骤:

1、安装依赖

sudo apt-get update
sudo apt-get install git build-essential linux-libc-dev
sudo apt-get install cmake cmake-gui 
sudo apt-get install libusb-1.0-0-dev libusb-dev libudev-dev
sudo apt-get install mpi-default-dev openmpi-bin openmpi-common  
sudo apt-get install libflann1.8 libflann-dev
sudo apt-get install libeigen3-dev
sudo apt-get install libboost-all-dev
sudo apt-get install libvtk5.10-qt4 libvtk5.10 libvtk5-dev
sudo 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 qt-sdk openjdk-8-jdk openjdk-8-jre

2、获取PCL源码

$ git clone https://github.com/PointCloudLibrary/pcl.git

3、开始编译

$ cd pcl
$ mkdir release
$ cd release
$ cmake -DCMAKE_BUILD_TYPE=None -DCMAKE_INSTALL_PREFIX=/usr -DBUILD_GPU=ON -DBUILD_apps=ON -DBUILD_examples=ON ..
$ make -j7

其中-DCMAKE_INSTALL_PREFIX=/usr选项指定了库的安装路径为/usr,可以修改为其他路径。
编译所需要的时间可能会比较长,请耐心等待。
4、安装库

$ sudo make install

错误解决

1、make的时候出现nvcc fatal: Unsupported gpu architecture 'compute_20'
原因分析: 电脑安装了Cuda9.0,而PCL1.8库发布的时间在2017年2月份左右,当时还没有兼容cuda9.0的库,如果在编译选项中加入DBUILD_GPU=ON,就会导致出现该问题。
解决办法
方法1、在cmake命名后生成的CMakeCache.txt文件使用cmake-gui打开,找到如下选项:
在这里插入图片描述
删除两个选项中的2.0,重新configure、generate、编译即可。
方法2:
如果上述办法都不能起作用,建议下载最新版的pcl-1.9,该版本解决了此问题
参考:
https://blog.csdn.net/Sanviolet/article/details/79081363
https://zhuanlan.zhihu.com/p/48643543

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/zhanghm1995/article/details/84280719

智能推荐

pytorch学习记录_[exception|indice_conv|subm]feat=torch.size([47693-程序员宅基地

文章浏览阅读401次。1、shape与size()print('*' * 100)print('查看数据形状')data1 = torch.randn((7,3,32,32))print("shape:",data1.shape)print("size:",data1.size())查看数据形状shape: torch.Size([7, 3, 32, 32])size: torch.Size([7, 3, 32, 32])2、squeeze与unsqueeze#压缩print('*' * 100)p_[exception|indice_conv|subm]feat=torch.size([47693, 16]),w=torch.size([7, 7,

一个python实现的kline-chart图表程序(一)_python使用kimi chart-程序员宅基地

文章浏览阅读230次。至于MA,MACD,VOL这些应该属于指标,可以从基础数据计算得来或是直接加载,当然可加载的还有其它一些指标,比如买卖点或是直线,射线,线段或是矩形什么的。最好能把这个框架高度模块化,然后想计算什么指标直接加进去,或是做个什么插件,嗯,插件这一块明显还不熟,先做到高度封装的Kline再说。起因是想研究量化交易,然后核查算法的落角点,比如哪些指标的组合可以入场做单,没有一个形象化的工具算法写起来总是感觉差强人意。初步想法是需要一个数据串,里面记录一组开高低收量,然后打开程序后可以将这个基础数据显示成K线。_python使用kimi chart

报错cv2.error: OpenCV(4.1.2) error: (-215:Assertion failed) !_img.empty() in function 'cv::imwrite'-程序员宅基地

文章浏览阅读1.3w次。Traceback (most recent call last):File "D:/FER/FacePP/decode_json.py", line 174, in <module>demonstrate(r'C:\Users\user-pc\Documents\Dataset\FER\JsonFiles\FacePP\BBQNR\S3\angry\13342.jso..._error: (-215:assertion failed) !_img.empty() in function 'cv::imwrite

【业务架构】业务驱动的推荐系统相关技术总结_推荐系统需要哪些技术-程序员宅基地

文章浏览阅读1.2w次,点赞71次,收藏92次。推荐系统是一种基于用户历史行为和属性信息为用户推荐个性化内容的技术。而业务驱动的推荐系统,是指根据业务需求,将推荐系统集成进业务流程中,通过推荐系统提高业务效率、提升用户体验等目的。以下是一些相关实现技术。_推荐系统需要哪些技术

全面的学习 游戏外挂 编程开发 视频教程+源代码_有什么外挂学习网站?-程序员宅基地

文章浏览阅读1w次,点赞5次,收藏25次。 有游戏分析,CALL基址分析,封包分析,外挂制作 ,逆向调试,过驱动保护等课程课程大网如下 详情见:郁金香外挂教学网:http://bbs.yjxsoft.net VC++外挂教程大纲(另有delphi版 大致相同) 程安排,暂定,有可能会实时修改 开发环境:VC++6.0 分析工具_有什么外挂学习网站?

jQuery点击返回上一页效果_jq 点击上一个-程序员宅基地

文章浏览阅读428次。jQuery点击返回上一页效果前端部分,写入id<span id="copy"></span>js部分,获取id $("#copy").click(function () { window.history.go(-1) })_jq 点击上一个

随便推点

Kafka源码调试(二):编写简单测试客户端程序,以及发送事务消息的日志留档_kafka日志输出发送的消息-程序员宅基地

文章浏览阅读358次。1. 写一个测试客户端,采用流式应用的典型 “consume-transform-produce” 模式2. 记录 Kafka broker 节点日志,客户端日志等用于后续文章参照对比_kafka日志输出发送的消息

Android12 MTK平台 禁用SCTP协议_android sntp 禁用-程序员宅基地

文章浏览阅读831次,点赞22次,收藏23次。【代码】Android12 MTK平台 禁用SCTP协议。_android sntp 禁用

2022 年 MathorCup 高校数学建模挑战赛——大数据竞赛赛道 赛道 B:北京移动用户体验影响因素研究_影响客户语音业务和上网业务满意度的主要因素-程序员宅基地

文章浏览阅读543次,点赞4次,收藏5次。详细介绍采用信息增益率、XGBoost、随机森林综合筛选特征。_影响客户语音业务和上网业务满意度的主要因素

哈夫曼码编/译码系统-程序员宅基地

文章浏览阅读991次,点赞22次,收藏24次。编写一个哈夫曼码的编/译码系统,实现对输入的文本信息自动统计并依此为依据建立一个哈夫曼码的编/译码系统。

Revisiting Salient Object Detection: Simultaneous Detection, Ranking, and Subitizing of Multiple Sal_salient object ranking-程序员宅基地

文章浏览阅读1.2k次,点赞2次,收藏3次。问题:作者认为,显著性目标检测领域迄今为止的工作解决的是一个相当病态的问题。即不同的人对于什么是显著性目标没有一个普遍的一致意见。这意味着一些目标会比另一些目标更加显著,并且不同的显著性目标中存在着一个相对排名。本文方法:本文方法解决了考虑了相对排名这个更普遍的问题,并且提出了适合于衡量该问题的数据与度量方法,本文解决方案是基于相对显著性和分段式细化的分层表示的深度网络。该网络也可以解..._salient object ranking

成功解决Failed to import transformers.models.vision_encoder_decoder.modeling_vision_encoder_decoder beca_runtimeerror: failed to import modelscope.utils.hf-程序员宅基地

文章浏览阅读1.9k次,点赞3次,收藏3次。​成功解决Failed to import transformers.models.vision_encoder_decoder.modeling_vision_encoder_decoder because of the following error (look up to see its traceback):目录解决问题解决思路解决方法解决问题RuntimeError: Failed to import transformers.models.vision_encoder_d_runtimeerror: failed to import modelscope.utils.hf_util because of the follo

推荐文章

热门文章

相关标签