第3章 环境搭建与工具链

说实话，每次带新人入门点云处理，我最怕的就是环境搭建这一步。明明代码逻辑都懂，结果卡在装库上，一卡就是半天。我自己当年也踩过不少坑，所以这一章，我带你把 Ubuntu、Windows、Python 三套环境一次性捋清楚。

3.1 Ubuntu + ROS + PCL 1.x 安装

我个人习惯用 Ubuntu 20.04 搭配 ROS Noetic。为什么？因为 PCL 1.10 已经集成在 Noetic 里了，省去编译源码的麻烦。你想想看，要是从源码编译 PCL，光依赖项就得装二十多个，还不一定一次过。

直接上命令：

# 安装 ROS Noetic（桌面完整版）
sudo apt install ros-noetic-desktop-full

# 安装 PCL 相关包
sudo apt install ros-noetic-pcl-ros libpcl-dev pcl-tools

# 验证安装
pcl_viewer /path/to/your/file.pcd

嗯，这里要注意：ROS 的 apt 源一定要先配好。我见过太多人直接敲命令，结果报错说找不到包。配源的方法很简单，去 ROS 官网复制一行命令就行。

3.2 Windows + VS + PCL 配置

Windows 下配 PCL，说白了就是「下载 -> 解压 -> 配路径」三步走。但为什么很多人配不好？因为版本对不上。

我建议你直接用 PCL 官方提供的 All-in-One 安装包。目前稳定版是 1.12.1，配合 Visual Studio 2019 或 2022 都行。

1. 去 GitHub 下载 PCL-1.12.1-AllInOne-msvc2019-win64.exe
2. 安装时勾选「Add PCL to the system PATH for all users」
3. 在 VS 中配置附加包含目录和附加库目录

配置 VS 项目属性时，记得把 PCL_ROOT\bin 和 PCL_ROOT\lib 都加进去。我曾经因为漏了 bin 目录，编译通过但运行时疯狂报 DLL 缺失，排查了半小时才发现。

3.3 Python 环境：Open3D、PyPCL、NumPy

Python 这边就简单多了。我个人最推荐 Open3D，因为它安装简单、文档清晰、可视化效果也好。PyPCL 虽然也能用，但维护不太活跃，我一般只在需要跟 ROS 的 PCL 类型互转时才用它。

# 创建虚拟环境（强烈建议）
python -m venv pcl_env
source pcl_env/bin/activate  # Linux/Mac
# 或 pcl_env\Scripts\activate  # Windows

# 安装核心库
pip install numpy open3d

# 如果需要 PyPCL
pip install python-pcl

你可能会问：为什么非要装 NumPy？因为 Open3D 的点云数据本质上就是个 NumPy 数组。你想想看，有了 NumPy，你就可以用矩阵运算、切片、条件筛选这些操作，处理点云数据会灵活很多。

3.4 验证安装：读取并显示一个 PCD 文件

环境搭好了，总得跑个例子验证一下吧？我准备了一个最简单的测试脚本，分别用 C++ 和 Python 实现。

C++ 版本（PCL）

#include <pcl/io/pcd_io.h>
#include <pcl/visualization/pcl_visualizer.h>

int main() {
    pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);
    
    if (pcl::io::loadPCDFile<pcl::PointXYZ>("test.pcd", *cloud) == -1) {
        PCL_ERROR("Couldn't read file test.pcd\n");
        return -1;
    }
    
    std::cout << "Loaded " << cloud->width * cloud->height << " points" << std::endl;
    
    pcl::visualization::PCLVisualizer viewer("PCD Viewer");
    viewer.addPointCloud(cloud, "cloud");
    
    while (!viewer.wasStopped()) {
        viewer.spinOnce();
    }
    return 0;
}

Python 版本（Open3D）

import open3d as o3d
import numpy as np

# 读取 PCD 文件
pcd = o3d.io.read_point_cloud("test.pcd")

# 打印点云信息
print(f"点云包含 {len(pcd.points)} 个点")
print(f"点的坐标范围：\n{np.asarray(pcd.points).min(axis=0)} ~ {np.asarray(pcd.points).max(axis=0)}")

# 可视化
o3d.visualization.draw_geometries([pcd], window_name="PCD Viewer")

运行后如果能看到一个三维点云窗口，恭喜你，环境搭建成功了！

3.5 本章知识体系总览

下面这张图是我自己画的，把本章涉及的环境、工具和它们之间的关系梳理了一遍。你保存下来，以后配环境时对照着看，思路会清晰很多。

这张图把三大平台的核心组件、验证方法和最终目标串在了一起。你配环境时如果卡住了，就回来看看这张图，定位一下是哪个环节出了问题。

好了，环境搭好之后，下一章我们就可以正式开始玩点云滤波了。到时候我会从最基础的下采样讲起，一步步带你深入。