（Windows）VS2017下编译FLANN1.8.4

本文转载自查看原文 2020-04-03 17:26 882

一、编译HDF5

1、下载源码：https://github.com/pengzerong/HDF5

2、解压并编译

解压下载到的：CMake-hdf5-1.12.0.zip。注意：路径中不要有空格

运行build-VS2017-64.bat，等待编译完成。

二、编译FLANN

1、下载源码：https://github.com/pengzerong/FLANN

2、解压

（我的解压路径为G:\flann-1.8.4）

在该文件夹下创建Build文件夹作为编译的文件夹，flann-res作为临时安装的文件夹，flann-debug作为Debug版本的安装目录，flann-release作为Release版本的安装目录

3、打开CMake-gui，将flann-1.8.4-src文件夹中的CMakeLists.txt拖至CMake中，设置创建路径，可以勾选Grouped和Advanced选项

点击Configure

将CMAKE中的CMAKE_INSTALL_PREFIX修改为我们创建的flann-res目录，此为临时安装的目录

接着点击Add Entry，添加Name：CMAKE_DEBUG_POSTFIX，Type为STRING，Value为d，Description可为空。这样可以让debug版本编译出二进制文件，带有后缀d.以便和release版本编译出的二进制文件相区分，建议这么做。

添加之后,点击Configure。若没有红色配置出现，可点击Generate

4、打开Build文件夹下的flann.sln，进行64位下Debug版本的生成。

在Debug状态下，右键ALL_BUILD生成。生成成功后右键INSTALL-仅用于项目-仅生成INSTALL，完成debug的安装

5.此时在flann-res目录下生成以下文件，将它们剪切至flann-debug文件夹下完成安装（Release版安装过程一直，不赘述）

三、调用FLANN

https://github.com/pengzerong/flann-test

1、新建解决方案flann-test，将以下代码拷贝过去

#include <iostream>
#include <flann/flann.hpp>
#include <flann/io/hdf5.h>
#include <stdio.h>

using namespace flann;

int main(int argc, char** argv)
{
    int nn = 3;

    Matrix<float> dataset;
    Matrix<float> query;
    load_from_file(dataset, "dataset.hdf5", "dataset");
    load_from_file(query, "dataset.hdf5", "query");

    Matrix<int> indices(new int[query.rows*nn], query.rows, nn);
    Matrix<float> dists(new float[query.rows*nn], query.rows, nn);

    // construct an randomized kd-tree index using 4 kd-trees
    Index<L2<float> > index(dataset, flann::KDTreeIndexParams(4));
    index.buildIndex();

    // do a knn search, using 128 checks
    index.knnSearch(query, indices, dists, nn, flann::SearchParams(128));

    for (int i = indices.rows; i < indices.rows; i++)
    {
        for (int j = 0; j < indices.cols; j++)
        {
            std::cout << indices[i][j] << " ";
        }
        std::cout << std::endl;
    }
    std::cout << "index size: " << index.size() << std::endl;
    std::cout << std::endl;

    flann::save_to_file(indices, "result.hdf5", "result");

    delete[] dataset.ptr();
    delete[] query.ptr();
    delete[] indices.ptr();
    delete[] dists.ptr();

    return 0;
}