（Windows）VS2017下編譯FLANN1.8.4

本文轉載自查看原文 2020-04-03 17:26 882

一、編譯HDF5

1、下載源碼：https://github.com/pengzerong/HDF5

2、解壓並編譯

解壓下載到的：CMake-hdf5-1.12.0.zip。注意：路徑中不要有空格

運行build-VS2017-64.bat，等待編譯完成。

二、編譯FLANN

1、下載源碼：https://github.com/pengzerong/FLANN

2、解壓

（我的解壓路徑為G:\flann-1.8.4）

在該文件夾下創建Build文件夾作為編譯的文件夾，flann-res作為臨時安裝的文件夾，flann-debug作為Debug版本的安裝目錄，flann-release作為Release版本的安裝目錄

3、打開CMake-gui，將flann-1.8.4-src文件夾中的CMakeLists.txt拖至CMake中，設置創建路徑，可以勾選Grouped和Advanced選項

點擊Configure

將CMAKE中的CMAKE_INSTALL_PREFIX修改為我們創建的flann-res目錄，此為臨時安裝的目錄

接着點擊Add Entry，添加Name：CMAKE_DEBUG_POSTFIX，Type為STRING，Value為d，Description可為空。這樣可以讓debug版本編譯出二進制文件，帶有后綴d.以便和release版本編譯出的二進制文件相區分，建議這么做。

添加之后,點擊Configure。若沒有紅色配置出現，可點擊Generate

4、打開Build文件夾下的flann.sln，進行64位下Debug版本的生成。

在Debug狀態下，右鍵ALL_BUILD生成。生成成功后右鍵INSTALL-僅用於項目-僅生成INSTALL，完成debug的安裝

5.此時在flann-res目錄下生成以下文件，將它們剪切至flann-debug文件夾下完成安裝（Release版安裝過程一直，不贅述）

三、調用FLANN

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

1、新建解決方案flann-test，將以下代碼拷貝過去

#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;
}