前景介绍

本人编写此总结的目的，一是为了学习总结，二是希望帮助到其他有这个需求的同学们。
最开始想使用这个算法库是因为项目上有这个点云配准需求，通过调研也了解到比PCL中的配准效果要好。从算法实现上，虽然CC也是使用了ICP算法，但是在ICP基础上进行了改进，让其更具有通用性，，改进的ICP算法采用了一些特殊的策略或优化来适应一些特定的应用场景。而PCL库提供了多种点云配准算法的实现，包括ICP（Iterative Closest Point）、NDT（Normal Distributions Transform）等，这些算法在实现和性能上可能与CloudCompare的算法有所不同，因为CloudCompare对ICP算法进行了一些默认参数的调优，以适应一般情况下的配准需求。
偶然的机会注意到CoudCompare的作者已经将CloudCompare的算法库与其可视化&部分进行了分离，这个算法库已经可以单独拿出来进行使用了。该算法库包括CloudCompare大部分的算法过程，如ICP距离计算、点云分割等等。

编译环境：VS2017 + QT5.14.2 + CMake3.15.5

编译总结

1.算法库下载

下载链接：CCCoreLib官方下载链接

2.使用CMake生成VS项目

默认勾选上面的2个选项，第1个为是否生成动态库，第2个为是否使用Qt的并行库，（没有qt这个选项可以不用选）。
注意：①别忘了修改安装路径。②记得选择自己的VS版本，我的是VS2017 X64

3.算法库CCCoreLib编译与安装

调用总结

安装好这个算法库之后，创建一个vs项目，配置一下头文件与库文件路径:

添加下面代码进行测试

#include <CCCoreLib/PointCloudTpl.h>
#include <CCCoreLib/GenericIndexedCloudPersist.h>
#include <CCCoreLib/CCGeom.h>

#include <string>
#include <iostream>

using PointCloud = CCCoreLib::GenericIndexedCloudPersist;

void CCCICPToolDlg::OnBnClickedButton1(){
	CCCoreLib::PointCloudTpl<PointCloud> ccCloud;
	ccCloud.addPoint(CCVector3(1, 1, 1));
	ccCloud.addPoint(CCVector3(1, 1, 1));
	ccCloud.addPoint(CCVector3(1, 1, 1));
	ccCloud.addPoint(CCVector3(1, 1, 1));
	strText.Format("点云中的点数量：%d", ccCloud2.size());
	MessageBox(strText);
	
	return;
}

问题汇总

1.编译错误

在编译过程中会出现编译错误，这个时候需要增加添加
CC_CORE_LIB_USES_FLOAT 这个宏。（VS2019版本好像没有这个问题）

参考&引用

①https://blog.csdn.net/dayuhaitang1/article/details/128307205
②https://blog.csdn.net/qq_41965957/article/details/125229654
③https://blog.csdn.net/ahhxxttxs/article/details/122785170