Open3D在ARM架构平台上的支持与编译指南
2026-02-04 05:21:11作者:姚月梅Lane
概述
Open3D作为一款强大的3D数据处理库,从0.14版本开始提供了对64位ARM架构(arm64/aarch64)的实验性支持。本文将详细介绍Open3D在ARM平台上的安装、使用和编译方法,帮助开发者在不同ARM设备上顺利部署和使用Open3D。
平台支持情况
Open3D目前对ARM架构的支持覆盖了多个操作系统和设备类型:
| 功能特性 | Linux (OpenGL) | Linux (OpenGL ES) | macOS (Apple Silicon) | Windows on ARM |
|---|---|---|---|---|
| pip安装支持 | 是 | 是 | 是 | 否 |
| 源码编译支持 | 是 | 是 | 是 | 否 |
| 可视化界面支持 | 是 | 否 | 是 | 否 |
| 非GUI功能支持 | 是 | 是 | 是 | 否 |
| 典型设备示例 | Nvidia Jetson | Raspberry Pi 4 | M1/M2 MacBook | Surface Pro X |
快速安装
对于大多数用户,最简单的安装方式是使用pip:
pip install open3d
安装完成后,可以通过以下命令验证安装是否成功:
python -c "import open3d; print(open3d.__version__)"
平台验证
在不同平台上验证ARM架构的方法:
- Linux:执行
uname -p,应显示aarch64 - macOS:执行
uname -m,应显示arm64
图形界面支持注意事项
Open3D的可视化功能需要完整的OpenGL支持,而非OpenGL ES:
- 支持平台:Nvidia Jetson系列和Apple ARM64设备(M1/M2芯片)
- 不支持平台:Raspberry Pi等仅支持OpenGL ES的设备
- 解决方案:在不支持完整OpenGL的设备上编译时,建议添加
-DBUILD_GUI=OFF参数
使用Docker编译Python Wheel
对于Python用户,推荐使用Docker方式编译,可以避免复杂的依赖问题:
cd docker
./docker_build.sh openblas-arm64-py38 # Python 3.8
./docker_build.sh openblas-arm64-py39 # Python 3.9
./docker_build.sh openblas-arm64-py310 # Python 3.10
./docker_build.sh openblas-arm64-py311 # Python 3.11
编译完成后,安装生成的.whl文件:
pip install open3d-*.whl
直接编译Open3D
Linux平台编译指南
- 安装依赖:
./util/install_deps_ubuntu.sh
sudo apt-get install -y ccache
-
验证CMake版本:需要3.19或更高版本
-
配置和编译:
mkdir build && cd build
cmake -DBUILD_CUDA_MODULE=OFF -DBUILD_GUI=OFF ..
make -j$(nproc)
make install-pip-package -j$(nproc)
macOS平台编译指南
- 安装依赖:
brew install gfortran
- 配置和编译:
mkdir build && cd build
cmake -DCMAKE_BUILD_TYPE=Release ..
make pip-package -j8
常见问题解决
-
CMake版本过低:
- 从源码编译安装新版本CMake
- 或使用pip安装:
pip install cmake
-
依赖冲突:
- 建议在干净的系统环境中编译
- 或优先考虑使用Docker方式
-
CUDA支持:
- pip安装的版本不包含CUDA支持
- 如需CUDA支持,需要手动编译并启用
-DBUILD_CUDA_MODULE=ON选项
性能优化建议
- 使用
ccache加速后续编译过程 - 根据设备CPU核心数合理设置
-j参数 - 在Nvidia Jetson设备上,启用CUDA可以显著提升性能
结语
Open3D对ARM架构的支持为移动端和嵌入式设备上的3D数据处理提供了强大工具。虽然目前仍处于实验性阶段,但已经能够在多种ARM平台上稳定运行核心功能。开发者可以根据实际需求选择合适的安装和编译方式,充分发挥ARM设备的计算潜力。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
568
98
暂无描述
Dockerfile
709
4.51 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
951
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2