【SLAM14讲编译依赖软件源码版本方面等问题汇总】

已于 2023-08-28 11:21:53 修改
阅读量1.9k 收藏 16
点赞数 5
分类专栏： 自动驾驶-SLAM 文章标签： c++ 自动驾驶 bug linux ubuntu
于 2023-03-30 01:14:57 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Eric_Sober/article/details/129848866
版权

"逆转鹈鹕”


以下是本人在学习SLAM中遇到的全部问题汇总（主要是依赖和软件方面的）。

0. 视觉SLAM十四讲

1. ch3-------Eigen3

  1. 测试EIGEN3中错误，没有eigen3这个库，如下方法解决：
 上github或者gitee找EIGEN3的源码包拉下来编译安装即可，正常的构建build/， cmake, 然后再make 即可
  1. ch3，测试EIGEN3中错误“Could NOT find OpenGL (missing: OPENGL_opengl_LIBRARY OPENGL_glx_LIBRARY”，这主要是缺少opengl库,解决方法如下
sudo apt-get install libgl1-mesa-dev
  1. ch3,测试EIGEN3中的错误"Could not find GLEW"，解决方法如下：
sudo apt-get install libglew
  1. ch3,测试EIGEN3中出现警告"Policy CMP0072 is not set: FindOpenGL prefers GLVND by default when
    available"，打开cmake的CMakeLists.txt文件，加入如下代码:
if (POLICY CMP0072)
set(OpenGL_GL_PREFERENCE LEGACY)
endif()
  1. ch3,测试ch3的时候发现有问题找不到<Eigen/Core>或者之类的，这是因为我们的安装是<eigen3/Eigen/Core>找到即可。
#include <eigen3/Eigen/Core> 
#include <eigen3/Eigen/Dense> 
其他包也一样
  1. 可视化程序Pangolin,直接源码安装即可。

2. ch4-------Sophus

  1. 在Sophuscmake ..过程结束后的 make过程中出现:
 error: lvalue required as left operand of assignment
   32 |   unit_complex_.real() = 1.;
      |   ~~~~~~~~~~~~~~~~~~^~
/home/s/Myself/tool_learn_pkgs/Sophus/sophus/so2.cpp:33:21: error: lvalue required as left operand of assignment
   33 |   unit_complex_.imag() = 0.;
  • 解决：打开 Sophus/sophus/so2.cpp，在30–35行，如下图

在这里插入图片描述
改为：

SO2::SO2()
{
  unit_complex_.real() = 1.;
  unit_complex_.imag() = 0.;
}

重新cmake-make即可。

  1. make程序的时候出现std::make_unsigned<int>::type fmt::v8::detail::to_unsigned<int>(int)，这是因为sophus库依赖FMT，得装一个这个
git clone  https://github.com/fmtlib/fmt.git
cd fmt
mkdir build
cd build
cmake ..
make
sudo make install

然后加入到程序（CMakeLists.txt）中(就最后一个FMT link到我们的库中就行)：

target_link_libraries( useSophus ${Sophus_LIBRARIES} fmt)

2. ch5-------JoinMap

  1. 如果你没装pcl 和 boost库, 会cmake提示找不到，一种简单的安装方法如下：:
sudo apt-get install libboost-all-dev  #装boost
sudo apt-get install libpcl-dev pcl-tools #装pcl，它会自动装vtk哦，在usr/include/下

重新cmake-make即可。(我这里是VTK9.1.0 和 PCL1.12.1)

  1. 在完成1后，make可能报错error: #error PCL requires C++14 or above，这个也比较简单，找到你正在cmake的哪个CMakeList.txt文件，将开头（可能是第5行）
set( CMAKE_CXX_FLAGS "-std=c++11 -O3" )

改为：

set( CMAKE_CXX_FLAGS "-std=c++14 -O3" )

因为我的是C++14，你也可以直接删掉
重新cmake-make即可。

3. ch6

3.1 — ceres

  1. 源码安装ceres，cmake …报错Can't find Google Log. Please set GLOG_INCLUDE_DIR & GLOG_LIBRARY or enable MINIGLOG option to use minimal glog implementation., 解决，查看报错信息缺少项并安装，全部如下:
sudo apt-get install libcxsparse3 libsuitesparse-dev libgoogle-glog-dev libgtest-dev
  1. cmake结束以后make又会报错，这个时候大概率报错信息如下:
In file included from /usr/local/include/eigen3/Eigen/Core:348:0,

                 from /home/ubuntu/cartographer/ceres-solver-1.11.0/include/ceres/jet.h:165,

                 from /home/ubuntu/cartographer/ceres-solver-1.11.0/internal/ceres/jet_test.cc:31:

/usr/local/include/eigen3/Eigen/src/Core/util/XprHelper.h: In instantiation of ‘struct Eigen::internal::promote_scalar_arg<ceres::Jet<double, 2>, Eigen::Matrix<ceres::Jet<double, 2>, 2, 2>, false>’:

/usr/local/include/eigen3/Eigen/src/plugins/CommonCwiseBinaryOps.h:50:1:   required by substitution of ‘template<class T> typename Eigen::internal::enable_if<true, const Eigen::CwiseBinaryOp<Eigen::internal::scalar_product_op<typename Eigen::internal::promote_scalar_arg<ceres::Jet<double, 2>, T, Eigen::internal::has_ReturnType<Eigen::ScalarBinaryOpTraits<T, ceres::Jet<double, 2>, Eigen::internal::scalar_product_op<T, ceres::Jet<double, 2> > > >::val

这是由于eigen版本和ceres版本不匹配，要么降级eigen版本（不推荐），要么自己下载最新ceres就可通过(推荐),运行如下代码:

git clone https://github.com/ceres-solver/ceres-solver.git
  1. 运行代码cmake报错
error: ‘ParameterBlockIndices’ was not declared in this scope
   78 |       functor, input, output, IsDynamic(), ParameterBlockIndices());
      |                                            ~~~~~~~~~~~~~~~~~~~~~^~
make[2]: *** [CMakeFiles/curve_fitting.dir/build.make:76: CMakeFiles/curve_fitting.dir/main.cpp.o] Error 1
make[1]: *** [CMakeFiles/Makefile2:83: CMakeFiles/curve_fitting.dir/all] Error 2

运行make，报错

/usr/local/include/ceres/product_manifold.h:315:59: error: expected constructor, destructor, or type conversion before ‘;’ token
  315 |     -> ProductManifold<Manifold0, Manifold1, Manifolds...>;

仔细检查，是CMakeLists.txt的C++版本问题，我指定的C++11但是电脑已经是c++17了，所以改成17就好,如下

set( CMAKE_CXX_FLAGS "-std=c++17 -O3" )

3.2 — g2o

  1. 和3.1一样的版本会有问题，这边建议先装新的
git clone https://github.com/RainerKuemmerle/g2o.git
  1. cmake的过程中一定要仔细查看could not found xxx,缺少什么就装什么，直到不报错为止，比如缺少xxx,就安装libxxx，如下
sudo apt-get install libqglviewer-dev-qt5
  1. 在装完新版本后，会报错如下
rom /home/s/Myself/Prj/SLAM/SLAM14_Course/ch6/g2o_curve_fitting/main.cpp:3:
/usr/local/include/g2o/stuff/tuple_tools.h: In function ‘void g2o::tuple_apply_i(F&&, T&, int)’:
/usr/local/include/g2o/stuff/tuple_tools.h:45:35: error: ‘tuple_size_v’ is not a member of ‘std’
   45 |     std::make_index_sequence<std::tuple_size_v<std::decay_t<T>>>());

可能我们需要改代码了，首先确定cmakelist.txt中的C++版本，然后修改代码如下（注释中是修改之前），没注释是修改之后

    // 构建图优化，先设定g2o
    typedef g2o::BlockSolver< g2o::BlockSolverTraits<3,1> > Block;  // 每个误差项优化变量维度为3，误差值维度为1
    // Block::LinearSolverType* linearSolver = new g2o::LinearSolverDense<Block::PoseMatrixType>(); // 线性方程求解器
    std::unique_ptr<Block::LinearSolverType> linearSolver ( new g2o::LinearSolverDense<Block::PoseMatrixType>());    // Block* solver_ptr = new Block( linearSolver );      // 矩阵块求解器
    std::unique_ptr<Block> solver_ptr ( new Block ( std::move(linearSolver)));
    // 梯度下降方法，从GN, LM, DogLeg 中选
    g2o::OptimizationAlgorithmLevenberg* solver = new g2o::OptimizationAlgorithmLevenberg ( std::move(solver_ptr));
    // g2o::OptimizationAlgorithmGaussNewton* solver = new g2o::OptimizationAlgorithmGaussNewton( solver_ptr );
    // g2o::OptimizationAlgorithmDogleg* solver = new g2o::OptimizationAlgorithmDogleg( solver_ptr );
    g2o::SparseOptimizer optimizer;     // 图模型
    optimizer.setAlgorithm( solver );   // 设置求解器
    optimizer.setVerbose( true );       // 打开调试输出
  1. 以上做完，编译到100%后会报错如下:
/usr/bin/ld: CMakeFiles/curve_fitting.dir/main.cpp.o: undefined reference to symbol '_ZN3fmt2v86detail18throw_format_errorEPKc'
/usr/bin/ld: /lib/x86_64-linux-gnu/libfmt.so.8: error adding symbols: DSO missing from command line
collect2: error: ld returned 1 exit status
make[2]: *** [CMakeFiles/curve_fitting.dir/build.make:112: curve_fitting] Error 1
make[1]: *** [CMakeFiles/Makefile2:83: CMakeFiles/curve_fitting.dir/all] Error 2

很简单，没有连接fmt库，修改cmakelist.txt文件，在target_link_libraries中链接一下fmt就行

target_link_libraries( curve_fitting 
    ${OpenCV_LIBS}
    g2o_core g2o_stuff
    fmt
)

4. ch7–视觉里程计

  1. cmake过程中报警告CMake Warning (dev) at /usr/share/cmake-3.22/Modules/FindPackageHandleStandardArgs.cmake:438 (message): The package name passed to `find_package_handle_standard_args` (CSPARSE) does not match the name of the calling package (CSparse). This can lead to problems in calling code that expects `find_package` result variables (e.g., `_FOUND`) to follow a certain pattern. Call Stack (most recent call first): cmake_modules/FindCSparse.cmake:24 (find_package_handle_standard_args) CMakeLists.txt:13 (find_package) This warning is for project developers. Use -Wno-dev to suppress it.，具体就是find.cmake这个子模块文件中的名称和CMakeList.txt中的文件不对应，打开/cmake_modules下的FindCSparse.cmake文件，将最后一行
find_package_handle_standard_args(CSPARSE DEFAULT_MSG
  CSPARSE_INCLUDE_DIR CSPARSE_LIBRARY)

改为

find_package_handle_standard_args(CSparse DEFAULT_MSG
  CSPARSE_INCLUDE_DIR CSPARSE_LIBRARY)

即可。

  1. make报错SLAM14_Course/ch7/feature_extraction.cpp:17:35: error: ‘CV_LOAD_IMAGE_COLOR’ was not declared in this scope 17 | Mat img_1 = imread ( argv[1], CV_LOAD_IMAGE_COLOR );，这是opencv3中的，现在用了opencv4已经没有了，添加如下头文件即可
 #include <opencv2/imgcodecs/legacy/constants_c.h>

或者在C++14中取消了这种写法，改为如下:

IMREAD_COLOR    //而不是CV_LOAD_IMAGE_COLOR
  1. make报错SLAM14_Course/ch7/pose_estimation_2d2d.cpp:155:65: error: ‘CV_FM_8POINT’ was not declared in this scope 155 | fundamental_matrix = findFundamentalMat ( points1, points2, CV_FM_8POINT );
    还是版本问题，将对应代码中
CV_FM_8POINT

更改为

FM_8POINT

即可。

5.–ch8 associate.py

执行

python associate.py rgb.txt depth.txt > associate.txt

对齐数据时，报错如下

File "associate.py", line 96, in associate
    first_keys.remove(a)
AttributeError: 'dict_keys' object has no attribute 'remove'

错误原因是python版本过高，需要将文件中第86行的两行程序删除，由

first_keys = first_list.keys()
second_keys = second_list.keys()

改为

first_keys = list(first_list)
second_keys = list(second_list)

6.–ch9 project

  1. 关于提示没有VIZ可视化模块的报错，我是Opencv4.7
  1. 首先这个模块在cmake的时候，需要手动指定才会编译;
  2. 其次，源码编译需要取opencv4.7的源码下查看是否有viz这个文件夹，是在module文件夹下，如果显示没有，则需要自己去gitxxx上找包，我找的opencv-contrib下载下来，把这里边的vis文件夹复制到opencv下就行了。

最后，重新编译opencv（会自动更新因此不用卸载）：

cmake -DWITH_VTK=ON ..

后边的和以前一样

  1. opencv的图像窗口持续，但是VIS窗口一闪而过：
    将
vis.spinOnce(1, false);

改成

vis.spinOnce(1, true);

即可，自己点进去看参数解释就好

终问鼎
关注
专栏目录
ORB-SLAM2_RGBD_DENSE_MAP编译、问题解决、离线加载TUM数据和在线加载D435i相机数据生成稠密地图
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
09-14 814
ORB-SLAM2_RGBD_DENSE_MAP是基于ORB-SLAM2框架的一种RGB-D稠密地图构建算法。ORB-SLAM2是一种基于单目、双目和RGB-D相机的实时定位与建图（SLAM）系统，旨在通过计算机视觉技术实现机器人和自主驾驶汽车等设备的自主定位和地图构建。
ORB-SLAM2项目实战(1) — ORB_SLAM2安装与编译报错的解决办法
几度春风里的博客
11-12 5947
ORB_SLAM2安装与编译报错的解决办法
SLAM十四讲ch10中ceres_custombundle报错
weixin_52402390的博客
04-13 2603
ceres优化报错
【《视觉SLAM十四讲》前ch2-ch6实践全过程和遇到的问题及解决办法】
qq_19308801的博客
03-26 5117
文章目录前言一、运行环境配置1.在虚拟机上安装Ubuntu14.042.解决一些小问题安装VMware Tools（用来跨系统复制粘贴，自由调整屏幕大小）火狐（Firefox）无法联网（用来下载压缩包）从文件目录下启动终端（在终端里切换目录太麻烦）二、实践出现的问题以及解决方案1.Ubuntu下安装包的方法2.编译高博提供的代码ch2ch3/useEigench3/useGeometrych3/visualizeGeometry总结 前.
CMake Error at CMakeLists.txt (find_package)幕后真凶
最新发布
记录点滴，终成江河！
08-29 1922
本文从CMake中find_package()报错入手，首先给出了如何解决这类报错，然后深入探讨了find_package()的用法，揭示了find_package()背后帮我们做的事情，阐明了find_package()Module模式和Config模式的区别，同时针对在这两种模式下如何为自己写的三方库适配find_package()给出了详细说明。
SLAM14讲CH6代码运行报错记录：/usr/local/include/g2o/core/matrix_structure.h:58:19: error: ‘std::string_view’ h
Whisper37的博客
04-05 1016
因为std::string_view 通常用于在不需要对字符串进行修改的情况下对字符串进行操作，并且它可以提高程序的性能。而 std::string 则适用于需要对字符串进行修改或者需要将字符串传递给需要拥有字符串的所有权的函数时，这里好像用后者也行。std::string_view 是 C++17 中引入的一种轻量级的字符串类型，用于表示不拥有字符序列的字符串，它通常被用于参数传递和字符串操作中，可以有效地减少内存分配和拷贝操作。
g2o error2 slam十四讲ch6中的报错
Nature的博客
06-23 502
error while loading shared libraries: libg2o_core.so: cannot open shared object file: No such file or directory 在默认情况下，编译器只会使用/lib和/usr/lib这两个目录下的库文件，通过源码包进行安装时，如果不指定--prefix会将库安装在/usr/local目录下，而又没有在文件/etc/ld.so.conf中添加 /usr/local/lib这个目录。这样虽然安装了源码包，但是使用时
视觉slam十四讲 ch3 visualizeGeometry 与Pangolin报错解决
m0_47695952的博客
02-08 1707
在安装好Pangolin后， 1.对ch3中visualizeGeometry程序 make 时，出现类似如下错误： 解决：对应Cmakelist.txt文件中，-std=c++11改为-std=c++14 2.运行该程序：./visualizeGeometry 出错，显示：找不到该共享库 应该是链接器ld找不到Pangolin共享库的路径，需要让ld知道库文件所在的路径。我参照这篇文章方法2成功解决，运行成功： https://blog.csdn.net/yjk1370362...
视觉SLAM十四讲中第3讲Eigen实践中程序报错
Patrick_Star9527的博客
03-30 787
本文主要是在《视觉SLAM十四讲》中第三讲eigen实战环节遇到了一些小问题，提供了解决方案
逐函数详细讲解ORB_SLAM2算法和C++代码｜System.cc｜1-2
小秋 AI SLAM 入门实战教程
04-22 544
在类中定义静态成员函数：静态成员函数不属于任何对象，可以使用类名或对象名来调用，它们不能访问非静态成员变量和非静态成员函数，但是可以访问静态成员变量和静态成员函数。在一个类中定义的静态局部变量具有类似于普通静态变量的行为，但是只在定义该变量的函数内部可见。在类中定义静态成员变量：静态成员变量是类的所有对象共享的，可以使用类名或对象名来访问，但是在类的外部需要用类名来初始化它们。在函数中定义静态局部变量：静态局部变量的生命周期是整个程序运行期间，它们只会被初始化一次，并且只能在定义它们的函数内部访问。
ORB-SLAM3环境配置-可能是最全的配置过程
weixin_43631972的博客
11-17 1716
最近在学习视觉SLAM相关知识，尝试了跑通DM-VIO和ORB-SLAM3两个slam算法，这里就ORB-SLAM3的环境配置、数据集运行以及realsense摄像头运行情况，做一个简单的汇总吧。
《视觉SLAM十四讲》-ch3-plotTrajectory问题解决汇总
weixin_51252406的博客
10-28 278
最近在学高翔老师的slam十四讲，中间遇到了一些书中代码应用时可能存在的问题，现在记录一下作为后学者的借鉴。
slam14讲代码复现ch03-ch05问题汇总
weixin_43318393的博客
01-28 503
可视化演示：建立第三方库文件：在/slambook2下,然后下载Pangolin，安装依赖库安装pangolin的依赖库进行编译 cmake 和make编译完成后，cd回ch3可视化的程序中，此时打开我们的XLanch，在终端中输入startxfce4，启动显示器，在其中的终端中，建立build，然后再build中，进行cmake和make，然后运行./visualizeGeometry，即可显示出可视化界面。注意：编译make的时候出现问题，这里是由于。
盘点Ubuntu20.04实操《视觉SLAM十四讲》时遇到的问题及解决方案
weixin_50578602的博客
10-02 2514
学习《视觉SLAM十四讲》时，由于本人电脑网卡较为少见，安装Ubuntu18时折腾很久未能找到合适的驱动，无奈转向Ubuntu20.04。本文就来盘点用Ubuntu20.04实操《视觉SLAM十四讲》时遇到的问题及解决方案。
视觉SLAM十四讲 第六章程序出错（转载）
BIT_LGC的博客
12-13 1701
视觉SLAM十四讲 第六章程序出错（转载） 摘自：https://www.cnblogs.com/xueyuanaichiyu/p/7921382.html 问题： 首先贴出报错部分代码： typedef g2o::BlockSolver g2o::BlockSolverTraits3,1> > Block; Block::LinearSolverType* linearSo
NDK Could NOT find OpenGL (missing: OPENGL_glx_LIBRARY) Ubuntu
q610098308的专栏
02-04 786
库 常规的 sudo apt-get install libgl1-mesa-dev不能覆盖安装，所以直接–reinstall重新安装解决了问题。该命令将安装一堆新包，包括gcc，g ++和make。2. install OpenGL依赖库。
错误提示“was not declared in this scope”是在C++编译过程中常见的错误之一
TechNovaX的博客
08-20 2万+
错误提示“was not declared in this scope”是在C++编译过程中常见的错误之一。以下是一个例子，展示了这个错误的典型情况以及给出的解决方案。总结一下，当你在C++中遇到“was not declared in this scope”错误时，意味着你的标识符（变量、函数等）在当前作用域中未声明或引入。解决这个问题的方法是提前声明该标识符，以确保编译器可以找到它的定义。函数的声明，我们解决了该错误。函数中，我们声明并初始化了一个名为。函数的声明并成功编译代码。这个错误告诉我们，在。
ubuntu20.04编译imu_tk时所遇问题
BenHu556的博客
09-03 837
解决ubuntu20.04编译imu_tk时所出现的问题
【报错】C/C++作用域内未声明问题：error: ‘XXX‘ was not declared in this scope
热门推荐
weixin_46302510的博客
10-20 3万+
问题： 报错：error: ‘XXX’ was not declared in this scope 翻译：错误：在作用域内，未声明’XXX’ 原因： 1、忘记定义。 写代码的时候疏忽，以至于一些变量直接使用但没有定义。只要对应定义相应的函数或变量就好了。 2、拼写错误。 写代码的时候打错了字符。看一下是不是哪个字母写错了，对应修改就行。 3、作用域不正确。 在超出变量和函数的作用域部分使用了该变量或函数。这时候得通过定义位置，要么增加声明的手段，加大变量的作用域使其包含引用位置。 4、头文件相互包含。 在
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值