📚 课程目录第2章开发环境搭建

开发环境搭建：工欲善其事，必先利其器

做点云处理，环境配置是第一道坎。我见过太多同学花了一周装库，最后心态崩了。其实没那么复杂，关键是把路子走对。

这一章，我带你把 Python 环境、Open3D、PCL 全部搞定。嗯，咱们一步步来。

Python 环境配置

我个人习惯用 Miniconda 来管理 Python 环境。为什么不用 Anaconda？太重了。点云处理用到的库就那么几个，没必要装一整套全家桶。

我的建议： 用 Python 3.8 或 3.9。Open3D 对这两个版本支持最好，踩坑最少。

安装步骤很简单：

去 Miniconda 官网下载对应系统的安装包
一路默认安装，记得勾选「Add to PATH」
打开终端，验证安装：conda --version

然后创建一个专用环境：

conda create -n pointcloud python=3.9
conda activate pointcloud

为什么要单独建环境？我在项目里吃过亏。不同项目依赖的库版本打架，最后整个系统都乱了。隔离环境，说白了就是给自己留条后路。

Open3D 库安装与验证

Open3D 是我最常用的点云处理库。安装它，一行命令搞定：

pip install open3d

等等，别急着跑。先确认你的 pip 版本够新：

pip install --upgrade pip

我曾经在旧版 pip 上装 Open3D，结果报了一堆依赖错误。折腾了两小时才发现是 pip 版本问题。你想想看，这种坑多冤。

安装完成后，验证一下：

python -c "import open3d as o3d; print(o3d.__version__)"

如果输出版本号，比如 0.17.0，那就成了。

  快速验证脚本： 创建一个测试文件 test_open3d.py，写入以下代码：

import open3d as o3d
import numpy as np

# 生成一个随机点云
points = np.random.rand(100, 3)
pcd = o3d.geometry.PointCloud()
pcd.points = o3d.utility.Vector3dVector(points)

# 可视化
o3d.visualization.draw_geometries([pcd])

跑起来能看到一个三维散点图，说明 Open3D 安装成功。如果报错说缺 libGL.so 之类的，别慌——那是 Linux 上缺 OpenGL 库，sudo apt install libgl1-mesa-glx 就能解决。

PCL 库安装与验证

PCL（Point Cloud Library）是 C++ 领域的王者。虽然我们用 Python 做原型开发快，但真要上生产环境、追求性能，PCL 还是绕不开的。

安装 PCL 比 Open3D 麻烦一些。不同系统差别很大：

系统	安装方式	命令
Ubuntu 20.04+	apt	`sudo apt install libpcl-dev`
macOS	Homebrew	`brew install pcl`
Windows	vcpkg	`vcpkg install pcl`

注意： Windows 上别自己编译 PCL，依赖链太长了。用 vcpkg 或者直接下载预编译的 All-in-One 安装包，省心很多。

验证 PCL 安装：写一个简单的 C++ 文件 test_pcl.cpp：

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>

int main() {
    pcl::PointCloud<pcl::PointXYZ> cloud;
    cloud.width = 100;
    cloud.height = 1;
    cloud.is_dense = false;
    cloud.points.resize(cloud.width * cloud.height);

    for (size_t i = 0; i < cloud.points.size(); ++i) {
        cloud.points[i].x = 1024 * rand() / (RAND_MAX + 1.0f);
        cloud.points[i].y = 1024 * rand() / (RAND_MAX + 1.0f);
        cloud.points[i].z = 1024 * rand() / (RAND_MAX + 1.0f);
    }

    pcl::io::savePCDFileASCII("test_pcd.pcd", cloud);
    std::cout << "Saved " << cloud.points.size() << " points." << std::endl;
    return 0;
}

编译运行：

g++ test_pcl.cpp -o test_pcl -lpcl_io -lpcl_common
./test_pcl

如果生成了 test_pcd.pcd 文件，说明 PCL 装好了。

常用工具链介绍

除了核心库，还有一些工具能让你的开发效率翻倍。我整理了一份清单：

工具	用途	我的评价
NumPy	点云数据矩阵运算	必装，没有它寸步难行
Matplotlib	快速可视化、调试	轻量级，适合看二维投影
Jupyter Lab	交互式开发、教学演示	我写原型时必开
CloudCompare	点云数据浏览、标注	免费又好用，强烈推荐
PDAL	点云数据格式转换、批处理	处理 LAS/LAZ 格式时离不开

安装这些 Python 工具也很简单：

pip install numpy matplotlib jupyter

CloudCompare 需要去官网下载安装包。PDAL 的话：conda install -c conda-forge pdal。

一个小技巧： 把常用的库写到一个 requirements.txt 里，换环境时直接 pip install -r requirements.txt，省得一个个敲。

知识体系总览

下面这张图，把本章的核心内容串起来了。你一看就明白：

避坑指南

最后，分享几个我踩过的坑：

Python 版本别太新： 我曾经用 Python 3.11 装 Open3D，结果某个底层依赖不兼容，折腾半天。老老实实用 3.9 最稳。
Windows 上 PCL 别自己编译： 依赖链太长了，VTK、Boost、Eigen 一个都不能少。直接用 vcpkg 或者预编译包。
虚拟环境一定要用： 别偷懒装到 base 环境。我见过有人把系统 Python 搞崩了，最后重装系统。
验证脚本别删： 每次换机器、换环境，跑一遍验证脚本，能省很多排查时间。