Win10+vs2017配置Ceres

准备工作：

eigen、gflags-2.2.2、glog-0.3.5、Ceres solver、cmake

遇到的问题：

编译选择X64 debug和release两个版本，注意，需要分别对gflags、glog、ceres编译出它们所对应的debug和release版本，否则可能会报错：

错误原因是生成的Ceres生成的config.h文件出错。

开始编译

编译gflas

打开cmake，在source code中选择准备的gflags，如下：

我最终需要的环境是64位，故在编译时选择Visual Studio 15 2017 Win64 。
配置完成后点击generate，在vs2017中打开，分辨在release和debug两种模式下生成解决方案。两种模式下分别成功生成4个。

编译glog

指定先前生成的gflags的位置，如下：

配置完成后点击generate，在vs2017中打开，分辨在release和debug两种模式下生成解决方案。两种模式下分别成功生成7个。

编译Ceres-solver

同理，在source code中选择刚才下载的ceres-solver，并指定编译位置，选择编译器。 点击config，这时候需要指定之前所下载的eigen库，并将EIGENSPARSE选上 。

再次点击config，指定之前生成的gflags和glog,如下：

再次点击config，指定CMAKE_BUILD_TYPE，如下：

配置完成后点击generate，在vs2017中打开，分辨在release和debug两种模式下生成解决方案。两种模式下分别成功生成13个。

vs2017使用前提工作

新建文件Ceres，将ceres、gflags、glog、eigen的源码解压后放入文件中,并在文件中新建include和lib文件，如下：

将一下目录拷贝到include文件中：
1、gflagsbuild\include\下的gflags文件夹。
2、glogbuild\下的glog文件夹。
3、ceres\include\下的ceres文件夹。
4、ceres-build\config\ceres\internal文件下的config.h拷贝到ceres里的internal文件夹中
5、eigen-eigen-c1659a20ca60\下的Eigen文件夹。
注：gflagsbuild、glogbuild是编译后的目录，另外两个是解压缩后的目录。
如下：

将以下内容拷贝到lib目录中：
1、gflagsbuild\lib\Debug下的gflags_nothreads_static.lib和gflags_static.lib。
2、glogbuild\Debug下的glog.lib。
3、ceresbuild\lib\Debug下的ceres-debug.lib。
如下：

然后新建vs控制台工程，打开项目-项目属性-VC/VC++目录，将上面的include和lib路径添加到包含目录和库目录中。
打开项目-项目属性-C/C+±常规，将上面的include路径添加到附加包含目录中。
打开项目-项目属性-连接器-输入，编辑附加依赖项，将之前lib目录下的链接库名添加到里面，最后点击确定，应用，即可。
示例代码如下：

#include <ceres\ceres.h>
#include <glog\logging.h>
using ceres::AutoDiffCostFunction;
using ceres::CostFunction;
using ceres::Problem;
using ceres::Solver;
//using ceres::Solve;

struct CostFunctor {
    template <typename T>
    bool operator()(const T* const x, T* residual) const {
        residual[0] = T(10.0) - x[0];
        return true;
    }
};

int main(int argc, char** argv) {
    google::InitGoogleLogging(argv[0]);
    // The variable to solve for with its initial value.
    double initial_x = 5.0;
    double x = initial_x;
    // Build the problem.
    Problem problem;
    // Set up the only cost function (also known as residual). This uses
    // auto-differentiation to obtain the derivative (jacobian).
    CostFunction* cost_function =
        new AutoDiffCostFunction<CostFunctor, 1, 1>(new CostFunctor);
    problem.AddResidualBlock(cost_function, NULL, &x);
    // Run the solver!
    Solver::Options options;
    options.linear_solver_type = ceres::DENSE_QR;
    options.minimizer_progress_to_stdout = true;
    Solver::Summary summary;
    Solve(options, &problem, &summary);
    std::cout << summary.BriefReport() << "\n";
    std::cout << "x : " << initial_x
        << " -> " << x << "\n";
    return 0;
}

运行结果如下：