OGRE+VS2008环境搭建

本文档详细记录了在Windows环境下,使用Visual Studio 2008配置OGRE 3D开发环境的全过程,包括下载所需软件、安装、配置环境变量、解决安装过程中遇到的问题,以及在新项目中运行OGRE的步骤。主要涉及DirectX SDK、CMake的使用,并给出了配置错误的排查方法。
摘要由CSDN通过智能技术生成

对于一个入门的新人来说,搭建环境真是很麻烦,弄了很久。OGRE官网下的OGRE 3D 1.7 Beginners Guide .pdf还是缺少很多环境搭建的细节地方,我把自己搭建环境的过程整理了一下,希望对新人有点点帮助,老手的话就别看了。

 

第一步:下载需要的软件 (这个估计就要一天)

 

1.OgreSDK_vc9_v1-7-2.exe (这个目前比较新,当然你也可以下老的版本,大概50M)

2.DirectX SDK 开发包 (这个版本非常多,我下的是2010年以后的版本9.28.1886,大小大概570M,够你下很久了)

3.cmake-2.8.4-win32-x86.exe  (非必须软件,但建议下载,去cmake官方找,很小的软件,不到10M,我的操作系统是WIN 32位的,所以下了这个)

4.VS2008 (大小达到3.8G,团队版更大,一般人都应该装过,不赘述,可以去verycd下载)

5.VS 2008 SP1补丁 (大概850M,恩多地方可以下,不赘述)

 

第二步:安装

 

前4个软件基本都可以正常装好,SP1补丁装到最后的时候可能遇到一点问题。一般是进度条安装到最后VS90sp1-KB945140-X86-CHS这个包的时候会卡住不动,等N个小时也没用。一般的做法是结束掉SPInstaller.exe这个进程,如果发现还有msiexec.exe进程的话也结束掉,否则无法运行。然后找到VS90sp1-KB945140-X86-CHS.msp这个文件,双击开始安装 ,然后就等着吧,大概几分钟,SP1就算装完了。

 

还有要注意安装DirectX SDK的时候先关闭VS2008。安装完后再开,这样VS2008会自动检测到新加入的DX环境变量。

 

第三步:配置环境

 

A.检查VS2008的工具/选项/VC++目录里面的包含文件和库文件有没有你安装的DirectX SDK,如果没有的话你就要手动添加:

1.把DirectX SDK安装目录里的include文件夹添加进包含文件中
2.把DirectX SDK安装目录里的Lib/x86文件夹添加进库文件中
3.把DirectX SDK安装目录里的Utilities/Bin/x86添加进可执行文件中

 

B.再检查VS2008里工具/选项/VC++目录里面的包含文件和库文件有没有你安装的OGRE SDK,如果没有的话你就要手动添加:

 

1.把OgreSDK_vc9_v1-7-2/include/OGRE添加进包含文件中
2.把OgreSDK_vc9_v1-7-2/boost_1_44添加进包含文件中
3.把OgreSDK_vc9_v1-7-2/lib/debug添加进库文件中
4.把OgreSDK_vc9_v1-7-2/boost_1_44/lib添加进库文件中

 

C.配置cmake.

 

先在VS2008里打开OGRE项目(打开OgreSDK_vc9_v1-7-2下面的OGRE.sln文件即可),可以看到解决方案有34个项 目,最下面那个叫SampleBrowser,右键点击把它设置为我们的启动项目。然后再右键点击,属性,生成事件,预链接事件,在右边的“命令行”路径 那里比对一下,看看双引号里的路径是不是自己安装的cmake的路径,如果不是的话就将其改为本地cmake.exe的路径 ,比如我把CMAKE装在C盘根目录,那就应该填的是"C:/Cmake 2.8/bin/cmake.exe".后面的参数不要变就行。如果不一致的话,可能会报这样的错误:

 

Project : error PRJ0019: 某个工具从以下位置返回了错误代码: "正在执行生成后事件..."

 

也有人说在设置路径那个地方,将“从生成中排除”选择“是”,但是个人感觉不好。

 

 

第四步:开始运行

 

从这里开始将会遇到无数错误,希望大家保持耐心。

 

在VS2008里点,生成,重新生成解决方案。然后等待吧(大概是有5分,或者更长时间)

 

不出意外的话,应该全部重新生成,没有失败。

 

然后我们去查看bin/debug目录,可以看到一堆文件,找到SampleBrowser_d.exe,运行,第一次会出来一个窗口,选择render system.默认情况下会给你两个选择,一个是DIRECTX一个是OPENGL,如下:

 


 

当时我选择了OPENGL,然后就悲剧了,直接黑屏 (不要以为死机了,其实可以按alt+f4回来)。以后每次运行都会黑屏,很郁闷。遇到这样的情况就要去修改配置文件了。找到bin/debug目录下的plugins.cfg(非常重要的配置文件),用文本编辑器打开,可以看到类似下面的内容:

 

# Defines plugins to load
# Define plugin folder
PluginFolder=.
# Define plugins
Plugin=RenderSystem_Direct3D9_d
Plugin=RenderSystem_GL_d
Plugin=Plugin_ParticleFX_d
Plugin=Plugin_BSPSceneManager_d
Plugin=Plugin_CgProgramManager_d
Plugin=Plugin_PCZSceneManager_d.dll
Plugin=Plugin_OctreeZone_d.dll
Plugin=Plugin_OctreeSceneManager_d

 

 

这里因为我没有安装OPENGL的相关类库,所以应该把OPENGL相关的Plugin给注释掉 ,如下:

#Plugin=RenderSystem_GL_d

 

改好了之后保存文件,再运行SampleBrowser_d.exe,或者直接在VS里启动调试,这次应该可以重新选render System.老老实实选择我们安装好的DIRECX,然后点OK。这次应该可以了。运行之后一般是全屏的,没关系,进去后选择configure,里面 可以选择Full Screen模式是或者否。

 

第五步:在新项目里运行

 

这时候我们想一想,我们现在操作的其实是OGRE SDK里的源代码,要是直接改来改去的似乎有点不妥当,最好是重新建一个项目,在那个项目里进行操作,也好和标准进行比对,这个时候cmake就起作用了。

 

我们打开cmake.exe,在where is the source code 栏目里填上你的OGRE SDK路径 ,比如我的是E:/OGRE/OgreSDK_vc9_v1-7-2

 

where to build the binaries栏目里填上你新建的目录的位置 ,比如我填的是E:/OGRE/example

 

然后点configure(如果点了还有红色的报错,试着再点一次),然后点Generate。几秒之内就OK了,非常方便。

 

然后我们来到自己新建的那个目录下(比如我刚才的example),可以看到和SDK相似的一个结构,也有一个OGRE.sln文件,可以直接打 开,载入我们新生成的这个项目。选定SampleBrowser作为启动项目,然后点 生成-重新生成解决方案,等待34个项目重新生成,最后点启动调试。步骤应该都很熟悉了。但是这个时候会报错:

 

OGRE EXCEPTION(7:InternalErrorException): ../../media/packs/SDKTrays.zip - error whilst opening archive: Unable to read zip file

 

SDKTrays.zip应该是一个资源文件,出这个错一般是因为bin/debug下的 resources_d.cfg这个配置文件找不到SDKTrays.zip这个文件(文件不存在)或者是路径写错了。于是是赶紧去检查目录下该文件是否 存在,结果发现原来没有media目录(该目录保存着各个例子需要的资源文件),于是去SDK下把它的media目录copy到我们新建的项目目录下来 (与Bin,samples等目录同级),再运行。这次终于可以了。

 


 至此可以说OGRE的环境基本建好,但这只是万里长征的第一小步(好远。。。。)。一路上可能会遇到各种各样的错误,强烈建议先查看ogre.log 这个日志文件,再判断可能是哪里错了。这个文件的位置一般在:

C:/Documents and Settings/你的用户名/My Documents/Ogre/Cthugha

 

好了,现在开始迈进OGRE的大门了。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 3
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
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