高翔:《自动驾驶与机器人中的SLAM技术 》-Slam_in_autonomous_driving 编译过程中遇到的问题

使用的环境是ubuntu20.04

问题1.安装g2o没有问题,不过在编译整个项目工程时候报错:

”openmp_mutex.h: 30:10: fatal error: g2o/config.h: No such file or directory“:

解决办法:

只需要将/thirdparty/g2o/build/g2o下的config.h放到/thirdparty/g2o下:

问题2. No rule to make target ’gmock’,needed by '../bin/test_preintegration' . stop

src/ch4/CMakeFiles/test_preintegration.dir/all] Error 2:

解决办法:将/ch4/CmakeList.txt文件内容修改如下:


# 查找 Google Test,它应该也包含了 Google Mock
find_package(GTest REQUIRED)
include_directories(${GTEST_INCLUDE_DIRS})
 
# 添加您的库
add_library(${PROJECT_NAME}.ch4
        gins_pre_integ.cc
        imu_preintegration.cc
        g2o_types.cc
)
 
# 添加您的测试可执行文件
add_executable(test_preintegration test_preintegration.cc)
 
# 链接 Google Test (它应该包含了 gmock) 以及其他依赖项
target_link_libraries(test_preintegration
        ${GTEST_BOTH_LIBRARIES}
        pthread glog gflags ${PROJECT_NAME}.ch4 ${PROJECT_NAME}.ch3 ${PROJECT_NAME}.common
)
 
# 添加测试
add_test(NAME test_preintegration COMMAND test_preintegration)
 
# 添加其他可执行文件
add_executable(run_gins_pre_integ run_gins_pre_integ.cc)
target_link_libraries(run_gins_pre_integ
        ${PROJECT_NAME}.ch3
        ${PROJECT_NAME}.ch4
        ${G2O_LIBS}

问题3.No rule to make target ’gmock’,needed by '../bin/test_nn' . stop

CMakeFiles/Makefile2:4227:src/ch5/CMakeFiles/test_nn.dir/all]

修改/ch5/CMakeList.txt 内容为:


find_package(GTest REQUIRED)
 
add_executable(point_cloud_load_and_vis point_cloud_load_and_vis.cc)
target_link_libraries(point_cloud_load_and_vis
        ${PCL_LIBRARIES}
        ${GLOG_LIBRARIES}
        gflags
        )
 
add_executable(pcd_to_bird_eye pcd_to_bird_eye.cc)
target_link_libraries(pcd_to_bird_eye
        ${PCL_LIBRARIES}
        ${GLOG_LIBRARIES}
        ${OpenCV_LIBS}
        gflags
        )
 
add_executable(scan_to_range_image scan_to_range_image.cc)
target_link_libraries(scan_to_range_image
        ${PCL_LIBRARIES}
        ${GLOG_LIBRARIES}
        ${OpenCV_LIBS}
        gflags
        )
 
add_library(${PROJECT_NAME}.ch5
        bfnn.cc
        kdtree.cc
        octo_tree.cc
        )
target_link_libraries(${PROJECT_NAME}.ch5
        tbb
        )
 
add_executable(linear_fitting linear_fitting.cc)
target_link_libraries(linear_fitting
        ${PCL_LIBRARIES}
        ${GLOG_LIBRARIES}
        ${OpenCV_LIBS}
        gflags
        )
 
add_executable(test_nn test_nn.cc)
add_test(NAME test_nn COMMAND test_nn)
 
target_link_libraries(test_nn
        GTest::GTest
        GTest::Main
        glog
        gflags
        ${PROJECT_NAME}.ch5
        ${PROJECT_NAME}.common
        ${PCL_LIBRARIES}
        tbb

参考博文:

https://blog.csdn.net/ht_lf/article/details/134185779

  • 23
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
SLAM(同时定位与地图构建)技术自动驾驶具有重要的应用和解决难点。SLAM是指通过感知和计算来同时完成车辆在未知环境的定位以及地图构建的过程。 在自动驾驶SLAM可以帮助车辆实时地感知周围环境,通过激光雷达、摄像头等传感器获取环境的信息,并利用这些信息来构建地图。随后,车辆根据地图进行定位,以便更准确地进行路径规划和导航。 SLAM自动驾驶面临的主要难点包括传感器数据的融合、实时性要求和环境复杂性等。首先,传感器数据融合是指将来自多个传感器的数据进行整合,以准确获取车辆周围环境的信息。这需要对不同传感器的数据进行校准和融合算法的设计,以提高地图的精确性和定位的准确性。 其次,自动驾驶对实时性的要求非常高,快速准确地感知和定位是保证安全行驶的关键。因此,SLAM系统需要在高速行驶时迅速更新地图和定位结果,同时处理大量的传感器数据和进行高效的计算。 此外,自动驾驶车辆通常面临复杂多变的交通环境,包括车道线、交通标志、其他车辆等各种要素。SLAM系统需要能够准确感知并识别这些要素,并进行高精度地图构建和定位。同样,环境的动态物体和障碍物对SLAM技术也提出了挑战,需要通过运动估计和更新机制来及时更新地图和定位信息。 总而言之,SLAM技术自动驾驶的应用非常重要,可以为自动驾驶车辆提供准确的地图和定位信息。然而,传感器数据的融合、实时性要求和环境复杂性是SLAM技术自动驾驶的主要难点,需要通过算法优化和工程实践来解决。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

稻壳特筑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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