potree 3D点云初探遇到的各种坑

简介: ############################ //Potree 介绍 //开源初探 https://blog.csdn.net/jz_x/article/details/78899357 //依赖的三方库 https://www.
############################
//Potree 介绍
//开源初探
//依赖的三方库

//PotreeConverter 安装过程

linux / gcc 4.9
//安装lastools
lastools (from fork with cmake)

cd ~/dev/workspaces/lastools
cd master/LASzip
mkdir build
cd build

//安装没有cmake要安装cmake
cmake -DCMAKE_BUILD_TYPE=Release ..//配置cmake
make


//安装PotreeConverter
PotreeConverter

cd ~/dev/workspaces/PotreeConverter
cd master
mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DLASZIP_INCLUDE_DIRS=~/dev/workspaces/lastools/master/LASzip/dll -DLASZIP_LIBRARY=~/dev/workspaces/lastools/master/LASzip/build/src/liblaszip.so ..
make

//这个步骤有几个坑:
//1.如果你是Mac OS 的电脑,你的电脑在编译lastools的时候,生成的文件叫liblaszip.dylib,而不是liblaszip.so,要不然会提示文件不存在

//2.cmake完成之后,进行到最后一步make的时候,会报一个致命错误
//    fatal error: 'experimental/filesystem' file not found #260

//百度无果,最后发现在github的issues里面人家早就发现这个问题了,人家早就列出了这个问题,也是醉了
//问题出在如果我们cmake的时候不指定gcc的路径,那么,cmake默认使用将是苹果公司的gcc版本,里面会缺少这个库
//解决的办法

cmake -DCMAKE_C_COMPILER=/usr/local/Cellar/gcc/8.1.0/bin/gcc-8 -DCMAKE_CXX_COMPILER=/usr/local/Cellar/gcc/8.1.0/bin/g++-8 -DCMAKE_BUILD_TYPE=Release -DLASZIP_INCLUDE_DIRS=/Users/hejinlong/Desktop/LAStools/master/LASzip/dll -DLASZIP_LIBRARY=/Users/hejinlong/Desktop/LAStools/master/LASzip/build/src/liblaszip.dylib ..

//根据自己的gcc版本而定

//编译成功之后
./PotreeConverter -h //查看相关的参数

//此处还有一个隐藏坑
//我们明明编译好了PotreeConverter工具,但是会报这样的一个错,原因是我们的终端字符集编码的问题
//  what(): locale::facet::_S_create_c_locale name not valid
//解决的办法:
export LC_ALL="zh_CN.GBK"  

//实例:把las文件导出成为n个100kb大小的las文件
./PotreeConverter /Users/hejinlong/Desktop/las/a.las -o /Users/hejinlong/Desktop/las/change -p leida --output-format LAS

分割好las之后就可以导入potree项目使用
https://github.com/potree/potree

效果截图: 1733881893f040fa02c4c77192ef1c97f68f4dfe

第一步比较难的算是走完了,自己解决了一堆问题,也是非常的开心

相关资料:
目录
相关文章
|
机器学习/深度学习 存储 编解码
Open3d系列 | 3. Open3d实现点云上采样、点云聚类、点云分割以及点云重建
Open3d系列 | 3. Open3d实现点云上采样、点云聚类、点云分割以及点云重建
8893 0
Open3d系列 | 3. Open3d实现点云上采样、点云聚类、点云分割以及点云重建
|
算法 数据安全/隐私保护
TSCAN + TMODEL处理点云数据生成DEM
TSCAN + TMODEL处理点云数据生成DEM
550 0
TSCAN + TMODEL处理点云数据生成DEM
|
3月前
|
算法 机器人
[3D&Halcon] 3D鞋点胶的点云边界提取
[3D&Halcon] 3D鞋点胶的点云边界提取
357 0
|
11月前
|
C++ Python
C++ PCL三维点云物体目标识别
C++ PCL三维点云物体目标识别
718 1
C++ PCL三维点云物体目标识别
|
8月前
|
算法
3D Hough变换点云平面检测算法
3D Hough变换点云平面检测算法
140 0
|
机器学习/深度学习 传感器 人工智能
3D目标检测中点云的稀疏性问题及解决方案
点云的稀疏性指激光雷达的采样点覆盖相对于场景的尺度来讲,具有很强的稀疏性。例如,将目前主流的户外3D目标检测数据集KITTI[1]的点云投影到对应的RGB图像上,大约只有3%的像素才有对应的点云;VoxelNet[2]将获取的点云等间距的划分到体素空间,超过90%的体素是空的。稀疏性产生的原因包括远距离、遮挡和反光等。
3D目标检测中点云的稀疏性问题及解决方案
|
算法
点云配准NDT (P2D)算法详解
点云配准NDT (P2D)算法详解
1311 0
点云配准NDT (P2D)算法详解
|
传感器 人工智能 数据可视化
点云配准新方案!SuperLine3D:激光雷达点云中的自监督线分割和描述子提取(ECCV2022)
电线杆和建筑物的轮廓是城市道路上随处可见的物体,可为计算机视觉提供可靠的提示。为了重复提取它们作为特征并在离散的LiDAR帧之间实现关联以进行点云匹配。本文提出了一个用于LiDAR点云中3D线的基于学习的特征分割和描述子模型。
点云配准新方案!SuperLine3D:激光雷达点云中的自监督线分割和描述子提取(ECCV2022)
|
机器学习/深度学习 人工智能 计算机视觉
vrn:基于直接体积回归的单幅图像大姿态三维人脸重建
3D面部重建是一个非常困难的基本计算机视觉问题。目前的系统通常假设多个面部图像(有时来自同一主题)作为输入的可用性,并且必须解决许多方法学挑战,例如在大的面部姿势,表情和不均匀照明之间建立密集的对应。
1607 0