在docker环境下从头搭建openvslam/orb_slam3的流程记录以及问题总结

文章目录

    • 0. 前言
    • 1. MobaXterm软件
    • 2. docker操作
      • 2.1. 拉一个ubuntu镜像
      • 2.2. 修改名字(可选)
      • 2.3. 删除之前的docker镜像(可选)
    • 3. openvslam搭建流程
      • 3.1. 起容器
      • 3.2. 前置包的安装
      • 3.3. 安装Eigen
      • 3.4. 安装opencv
      • 3.5. 安装DBoW2
      • 3.6. 安装g2o
      • 3.7. 安装Pangolin库
      • 3.8. 安装yaml-cpp (可选)
      • 3.9. 安装openvslam
      • 3.10. 安装openssh
      • 3.11. MobaXterm软件远程连接容器
      • 3.12. 运行demo
    • 4. orb_slam3搭建流程
      • 4. 1. 起容器
      • 4.2. 前置包的安装
      • 4.3. 安装Eigen
      • 4.4. 安装opencv
      • 4.5. 安装Pangolin库
      • 4.6. 安装bosst库
      • 4.7. 安装DBoW2
      • 4.8. 安装g2o
      • 4.9. 安装Sophus
      • 4.10. 解压ORBvoc.txt.tar.gz压缩包
      • 4.11. 安装orb_slam3
      • 4.12. 安装openssh
      • 4.13. MobaXterm软件远程连接容器
      • 4.14. 运行demo
    • 5. 编译问题
      • 5.1 MobaXterm相关问题
        • 5.1.1 问题1:报错显示 “xclock command not found”:
        • 5.1.2 问题2:报错显示 "Error: Can't open this Distplay"
        • 5.1.3 问题3:报错显示 "error: XDG RUNTIME DIR not set in environment"
      • 5.2 编译问题
        • 5.2.1 问题1:报错显示 "No rule to make target '/usr/lib/x86_64-linux-gnu/libjpeg.so', needed by 'src/libpangolin.so'. Stop"
        • 5.2.2 问题2:报错显示 "fatal error: openssl/md5.h: No such file or directory"
        • 5.2.3 问题3:报错显示 "cannot find -lboost_serialization"
      • 5.3. 之前遇到的编译问题
        • 5.3.1 问题1:报错显示 "Could not find the following static Boost libraries"
        • 5.3.2 问题2:报错显示 "/usr/bin/ld: cannot find -lboost_system-mt"
        • 5.3.3 问题3:报错显示 "//data/casia_mosaic_liyi_linux/src/siftgpu_extractor/SiftGPU/bin/libsiftgpu.so: undefined reference to `__cudaRegisterFatBinary@libcudart.so.11.0"
        • 5.3.4 问题4:报错显示 "//data/casia_mosaic_liyi_linux/src/siftgpu_extractor/SiftGPU/bin/libsiftgpu.so: undefined reference to `ilGetIntege"
        • 5.3.5 问题5:报错显示 "//data/casia_mosaic_liyi_linux/src/siftgpu_extractor/SiftGPU/bin/libsiftgpu.so: undefined reference to `std::__cxx11::basic_ostringstream<char, std::char_traits<char>, std::allocator<char> >::basic_ostringstream()@GLIBCXX_3.4.26"
        • 5.3.6 问题6:报错显示 "//data/casia_mosaic_liyi_linux/src/siftgpu_extractor/SiftGPU/bin/libsiftgpu.so: undefined reference to `log@GLIBC_2.29"
        • 5.3.7 问题7:报错显示 "apt-file not found"
        • 5.3.8 问题8:报错显示 "ld.so.conf: No such file or directory"

0. 前言

最近基于公司的需求,开始搭建Slam算法。在搭建Slam算法的过程中,我遇到了很多问题。为了方便后续的重复部署以及给读者朋友做一个参考,因此,我记录了在服务器上通过docker搭建openvslam以及orb_slam3的全部过程,并且整理了遇到的编译问题。


本文主要内容如下:
第一部分:MobaXterm软件
第二部分:docker操作
第三部分:openvslam搭建流程
第四部分:orb_slam3搭建流程
第五部分:编译问题


参考博客:

  1. github:zm0612,名称:openvslam-comments
  2. 作者:一点儿也不萌的萌萌,开源SLAM框架学习——OpenVSLAM源码解析: 第一节 安装和初探
  3. openvslam论文链接
  4. github:UZ-SLAMLab,名称:ORB_SLAM3
  5. 作者:抓饼先生,Boost笔记 1:下载、编译、安装、测试
  6. How to fix: fatal error: openssl/opensslv.h: No such file or directory in RedHat 7
  7. 在Ubuntu上安装C++库
  8. 【视频开发】【计算机视觉】doppia编译之四:安装其他库、编译和运行doppia
  9. 运行应用程序时出现GLIBCXX_3.4.26not found问题
  10. wsl2中安装QGC

1. MobaXterm软件

本次部署因为是在远程服务器上,无法在命令行窗口显示Slam的定位和建图过程。因此,采用带有Xserver的MobaXterm软件。该软件可以通过Xserver服务来可视化服务器上的图形化窗口。

第一步,建立你的session:
在这里插入图片描述
第二步,测试可视化显示

输入xclock或者xeyes查看是否可以可视化显示:
在这里插入图片描述
在这里插入图片描述

在可视化窗口时,遇到问题可以查看第5章节中是否存在解决方法,如果依旧没有解决可以在评论区提出,我们一起解决。

2. docker操作

2.1. 拉一个ubuntu镜像

 sudo docker pull ubuntu:18.04

2.2. 修改名字(可选)

我个人喜欢把镜像重命名一下,方便管理。
注意:不是把原始镜像重命名,而是重新生成一个新的镜像

sudo docker tag f9a80a55f492 liyi_cpp:1.0
# f9a80a55f492 是ubuntu:18.04的镜像编号。
# liyi_cpp:1.0是重命名的名字和版本号。

2.3. 删除之前的docker镜像(可选)

sudo docker rmi ubuntu:18.04

3. openvslam搭建流程

OpenvSlam的官方仓库已经关闭,但是github作者:zm0612 已经fork下来可以继续进行安装。

该作者还有一个csdn的博客进行安装说明,我就是参考的这个博主的内容进行整理的。
读者朋友也可以参考这个博主的文章:
作者:一点儿也不萌的萌萌,开源SLAM框架学习——OpenVSLAM源码解析: 第一节 安装和初探

openvslam的环境包含以下安装包:

  • Eigen:用于矩阵运算。
  • g2o: 用于优化基于图的非线性误差函数。
  • SuiteSparse: 一组与稀疏矩阵相关的包。
  • DBoW2:用于图像检索的词袋图像数据库。
  • yaml-cpp:yaml文件管理的包。(可选)
  • OpenCV:数字图像处理的包。
  • Pangolin:用于可视化显示的包。

这些包我已经提前下好了,放在百度云中,读者朋友可以自行下载

链接:https://pan.baidu.com/s/1wT95r1iJFwyVg8vhPbcGtQ
提取码:1234

3.1. 起容器

基于之前拉取的镜像,起一个容器。

sudo docker run --name openvslam -v /media/DATA/liyi/project/vscode:/data -p 6790:22 --gpus=all -it liyi_cpp:1.0 /bin/bash
# --name 后面是容器名字
# -v 指的是本地目录和容器目录的映射关系
# -p 指的是容器开放的端口的映射
# --gpus 指的是容器可以调用nvidia的gpu。all指的是全部的显卡
# -it 后面跟着镜像的名字和版本号

3.2. 前置包的安装

基于基础使用以及依赖库,需要提前安装一些包。代码如下:

sudo apt update -y
apt upgrade -y --no-install-recommends
# basic dependencies
apt install -y build-essential pkg-config cmake git wget curl unzip vim
# g2o dependencies
apt install -y libatlas-base-dev libsuitesparse-dev
# OpenCV dependencies
apt install -y libgtk-3-dev
apt install -y ffmpeg
apt install -y libavcodec-dev libavformat-dev libavutil-dev libswscale-dev libavresample-dev
# eigen dependencies
apt install -y gfortran
# other dependencies
apt install -y libyaml-cpp-dev libgoogle-glog-dev libgflags-dev
# (if you plan on using PangolinViewer)
# Pangolin dependencies
apt install -y libglew-dev
# 用来读取jpeg图像的包。
apt install -y libjpeg

3.3. 安装Eigen

cd /path/to/working/dir(工作路径)
# 版本也可以自己指定。eigen也可以通过我的百度云离线下载好,自己解压。
wget -q http://bitbucket.org/eigen/eigen/get/3.3.4.tar.bz2
tar xf 3.3.4.tar.bz2
rm -rf 3.3.4.tar.bz2
cd eigen-eigen-5a0156e40feb
mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
sudo make install

安装好后,include文件和lib文件,分别在/usr/local/include和/usr/local/lib下。
在这里插入图片描述

3.4. 安装opencv

cd /path/to/working/dir
# 版本也可以自己指定。
wget -q https://github.com/opencv/opencv/archive/3.4.0.zip
unzip -q 3.4.0.zip
rm -rf 3.4.0.zip
cd opencv-3.4.0
mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local -DENABLE_CXX11=ON -DBUILD_DOCS=OFF -DBUILD_EXAMPLES=OFF -DBUILD_JASPER=OFF -DBUILD_OPENEXR=OFF -DBUILD_PERF_TESTS=OFF -DBUILD_TESTS=OFF -DWITH_EIGEN=ON -DWITH_FFMPEG=ON -DWITH_OPENMP=ON ..
make -j4
sudo make install

安装好后,include文件和lib文件,分别在/usr/local/include和/usr/local/lib下。
在这里插入图片描述

3.5. 安装DBoW2

cd /path/to/working/dir
git clone https://github.com/shinsumicco/DBoW2.git
cd DBoW2
mkdir build 
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
sudo make install

安装好后,include文件和lib文件,分别在/usr/local/include和/usr/local/lib下。
在这里插入图片描述

3.6. 安装g2o

cd /path/to/working/dir
# 可以自己在github上体现下载好。
git clone https://github.com/RainerKuemmerle/g2o.git
cd g2o
mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local -DCMAKE_CXX_FLAGS=-std=c++11 -DBUILD_SHARED_LIBS=ON -DBUILD_UNITTESTS=OFF -DBUILD_WITH_MARCH_NATIVE=ON -DG2O_USE_CHOLMOD=OFF -DG2O_USE_CSPARSE=ON -DG2O_USE_OPENGL=OFF -DG2O_USE_OPENMP=ON ..
make -j4
sudo make install

安装好后,include文件和lib文件,分别在/usr/local/include和/usr/local/lib下。
在这里插入图片描述

3.7. 安装Pangolin库

cd /path/to/working/dir
git clone https://github.com/stevenlovegrove/Pangolin.git
cd Pangolin
git checkout ad8b5f83222291c51b4800d5a5873b0e90a0cf81
mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
sudo make install

安装好后,include文件和lib文件,分别在/usr/local/include和/usr/local/lib下。
在这里插入图片描述

3.8. 安装yaml-cpp (可选)

执行以下命令:

git clone https://github.com/jbeder/yaml-cpp
cd yaml-cpp
mkdir build 
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
sudo make install

3.9. 安装openvslam

DCMAKE_BUILD_TYPE可以根据需求选择Release或者Debug。

cd /path/to/openvslam
mkdir build 
cd build
cmake -DCMAKE_BUILD_TYPE=Debug -DBUILD_WITH_MARCH_NATIVE=ON -DUSE_PANGOLIN_VIEWER=ON -DUSE_SOCKET_PUBLISHER=OFF -DUSE_STACK_TRACE_LOGGER=ON -DBOW_FRAMEWORK=DBoW2 -DBUILD_TESTS=ON ..
make -j4

3.10. 安装openssh

#下载openssh
apt-get update
apt-get install openssh-server
# 设置root密码,然后设置两遍相同的密码,之后登陆的时候要用到
passwd
# 修改配置文件
apt-get install vim
vim /etc/ssh/sshd_config
# 注释掉 PermitRootLogin prohibit-password 这一行 添加这一行 PermitRootLogin yes 
# 5. 重启ssh服务
service ssh restart
# 或使用
# /etc/init.d/ssh restart# 本机连接ssh
# ssh -p 6789 root@0.0.0.0
# 远程访问服务器docker里正在运行的容器
# ssh -p 6790 root@192.168.2.83

3.11. MobaXterm软件远程连接容器

和之前的方法一样,配置远程服务器的会话。注意端口是起容器时设置的端口号,在上述例子中为6790。
在这里插入图片描述

在这里插入图片描述

3.12. 运行demo

cd slam编译所在位置/build
./run_euroc_slam -v /data/database/orb_vocab.dbow2 -d /data/database/EuRoC/V1_03_difficult/mav0 -c ../example/euroc/EuRoC_mono.yaml
# -v orb_vocab.dbow2的文件路径。可以在网上下载,或者通过我的百度云分享下载。
# -d 数据的所在路径
# -c 相机的配置文件

在这里插入图片描述

4. orb_slam3搭建流程

orb_slam3的github代码:github:UZ-SLAMLab,名称:ORB_SLAM3

orb_slam不用自己找第三方库,代码里面就自带各种三方库。(缺一个boost_1_83_0,需要自己下载。)
在这里插入图片描述

openvslam的环境包含以下安装包:

  • Eigen:用于矩阵运算。
  • g2o: 用于优化基于图的非线性误差函数。
  • Sophus: 这是一个李群的c++实现,通常用于二维和三维几何问题(即计算机视觉或机器人应用)。
  • DBoW2:用于图像检索的词袋图像数据库。
  • OpenCV:数字图像处理的包。
  • Pangolin:用于可视化显示的包。
  • boost:Boost库是为C++语言标准库提供扩展的一些C++程序库的总称。

搭建流程如下:

4. 1. 起容器

sudo docker run --name orb_slam3 -v /media/DATA/liyi/project/vscode:/data -p 6788:22 --gpus=all -it liyi_cpp:1.0 /bin/bash
# --name 后面是容器名字
# -v 指的是本地目录和容器目录的映射关系
# -p 指的是容器开放的端口的映射
# --gpus 指的是容器可以调用nvidia的gpu。all指的是全部的显卡
# -it 后面跟着镜像的名字和版本号

4.2. 前置包的安装

基于基础使用以及依赖库,需要提前安装一些包。代码如下:

sudo apt update -y
apt upgrade -y --no-install-recommends
# basic dependencies
apt install -y build-essential pkg-config cmake git wget curl unzip vim
# g2o dependencies
apt install -y libatlas-base-dev libsuitesparse-dev
# OpenCV dependencies
apt install -y libgtk-3-dev
apt install -y ffmpeg
apt install -y libavcodec-dev libavformat-dev libavutil-dev libswscale-dev libavresample-dev
# eigen dependencies
apt install -y gfortran
# other dependencies
apt install -y libyaml-cpp-dev libgoogle-glog-dev libgflags-dev
# (if you plan on using PangolinViewer)
# Pangolin dependencies
apt install -y libglew-dev
# 用来读取jpeg图像的包。
apt install -y libjpeg

4.3. 安装Eigen

cd orb_slam3代码所在路径/Thirdparty_add/eigen-git-mirror
mkdir build 
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
sudo make install

4.4. 安装opencv

cd orb_slam3代码所在路径/Thirdparty_add/opencv-4.8.0
mkdir build 
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local -DENABLE_CXX11=ON -DBUILD_DOCS=OFF -DBUILD_EXAMPLES=OFF -DBUILD_JASPER=OFF -DBUILD_OPENEXR=OFF -DBUILD_PERF_TESTS=OFF -DBUILD_TESTS=OFF -DWITH_EIGEN=ON -DWITH_FFMPEG=ON -DWITH_OPENMP=ON ..
make -j4
sudo make install

4.5. 安装Pangolin库

cd orb_slam3代码所在路径/Thirdparty_add/Pangolin
mkdir build 
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
sudo make install

4.6. 安装bosst库

cd orb_slam3代码所在路径/Thirdparty_add/boost_1_83_0
sh bootstrap.sh
./b2
./b2 --clean
./b2 install

参考博客流程:作者:抓饼先生,Boost笔记 1:下载、编译、安装、测试

4.7. 安装DBoW2

cd orb_slam3代码所在路径/Thirdparty/DBoW2
mkdir build 
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
sudo make install

4.8. 安装g2o

cd orb_slam3代码所在路径/Thirdparty/g2o
mkdir build 
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local -DCMAKE_CXX_FLAGS=-std=c++11 -DBUILD_SHARED_LIBS=ON -DBUILD_UNITTESTS=OFF -DBUILD_WITH_MARCH_NATIVE=ON -DG2O_USE_CHOLMOD=OFF -DG2O_USE_CSPARSE=ON -DG2O_USE_OPENGL=OFF -DG2O_USE_OPENMP=ON ..
make -j4
sudo make install

4.9. 安装Sophus

cd orb_slam3代码所在路径/Thirdparty/Sophus
mkdir build
cd build
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
make install

4.10. 解压ORBvoc.txt.tar.gz压缩包

cd orb_slam3代码所在路径/Vocabulary
tar -xf ORBvoc.txt.tar.gz

4.11. 安装orb_slam3

DCMAKE_BUILD_TYPE可以根据需求选择Release或者Debug。

cd orb_slam3代码所在路径
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j4

我的docker环境为:
在这里插入图片描述

4.12. 安装openssh

#下载openssh
apt-get update
apt-get install openssh-server
# 设置root密码,然后设置两遍相同的密码,之后登陆的时候要用到
passwd
# 修改配置文件
apt-get install vim
vim /etc/ssh/sshd_config
# 注释掉 PermitRootLogin prohibit-password 这一行 添加这一行 PermitRootLogin yes 
# 5. 重启ssh服务
service ssh restart
# 或使用
# /etc/init.d/ssh restart# 本机连接ssh
# ssh -p 6789 root@0.0.0.0
# 远程访问服务器docker里正在运行的容器
# ssh -p 6790 root@192.168.2.83

4.13. MobaXterm软件远程连接容器

和之前的方法一样,配置远程服务器的会话。注意端口是起容器时设置的端口号,在上述例子中为6788。
在这里插入图片描述
在这里插入图片描述

4.14. 运行demo

cd slam编译所在位置/build
../Examples/Monocular/mono_euroc ../Vocabulary/ORBvoc.txt ../Examples/Monocular/EuRoC.yaml /data/database/EuRoC/V1_03_difficult ../Examples/Monocular/EuRoC_TimeStamps/V103.txt test# 第一个参数是ORBvoc.txt的路径
# 第二个参数是箱子配置参数的路径
# 第三个参数是数据的路径
# 第四个参数是时间戳txt文件的路径
# 第五个轨迹文件名

在这里插入图片描述

5. 编译问题

5.1 MobaXterm相关问题

5.1.1 问题1:报错显示 “xclock command not found”:

在这里插入图片描述
解决:
x11的包没有安装,需要通过下属代码进行安装:

sudo apt-get update
sudo apt-get install x11-apps
5.1.2 问题2:报错显示 “Error: Can’t open this Distplay”

在这里插入图片描述
解决:
这是找不到显示的服务器,需要添加服务器的地址和端口号。
首先,编辑环境变量:

vim ~/.bashrc

添加显示服务器地址和端口号:

# 例如我的
export DISPLAY=192.168.2.136:0.0

在这里插入图片描述
再刷新环境变量:

source ~/.bashrc
5.1.3 问题3:报错显示 “error: XDG RUNTIME DIR not set in environment”

在这里插入图片描述解决:
XDG运行的缓存没有地方存储,需要设置存放目录。
首先,编辑环境变量:

vim ~/.bashrc

添加显示服务器地址和端口号:

# 例如我的
export XDG_RUNTIME_DIR=/tmp/runtime_root

在这里插入图片描述
再刷新环境变量:

source ~/.bashrc

5.2 编译问题

5.2.1 问题1:报错显示 “No rule to make target ‘/usr/lib/x86_64-linux-gnu/libjpeg.so’, needed by ‘src/libpangolin.so’. Stop”
make[2]: *** No rule to make target '/usr/lib/x86_64-linux-gnu/libjpeg.so', needed by 'src/libpangolin.so'.  Stop.
CMakeFiles/Makefile2:168: recipe for target 'src/CMakeFiles/pangolin.dir/all' failed
make[1]: *** [src/CMakeFiles/pangolin.dir/all] Error 2
Makefile:151: recipe for target 'all' failed
make: *** [all] Error 2

libpangolin.so需要libjpeg.so文件,但是libjpeg.so不存在。
解决方法:

  1. 先查看/usr/lib/x86_64-linux-gnu/libjpeg.so是否存在,没有的话则重新下载:
apt install -y libjpeg

如果存在,但是名称不一样。如下图:
在这里插入图片描述则可以进行软连接。

ln -s /usr/lib/x86_64-linux-gnu/libjpeg.so.8 /usr/lib/x86_64-linux-gnu/libjpeg.so
# 第一个是源文件。
# 第二个是软连接生成的文件。

在这里插入图片描述
其他包也同理:
在这里插入图片描述

5.2.2 问题2:报错显示 “fatal error: openssl/md5.h: No such file or directory”

在这里插入图片描述
没有下载openssl
解决方法:

sudo apt-get install libssl-dev

在这里插入图片描述

解决方法引用自How to fix: fatal error: openssl/opensslv.h: No such file or directory in RedHat 7

5.2.3 问题3:报错显示 “cannot find -lboost_serialization”

在这里插入图片描述
该docker没有lboost_serialization库,需要下载boost库。
解决方法:
之前文章中介绍过boost库的下载方法。如下:

cd orb_slam3代码所在路径/Thirdparty_add/boost_1_83_0
sh bootstrap.sh
./b2
./b2 --clean
./b2 install

解决方法引用自作者:抓饼先生,Boost笔记 1:下载、编译、安装、测试

5.3. 之前遇到的编译问题

我之前编译siftgpu遇到的问题,和本文章相关不大,只是总结在这,方便我后续查看。

5.3.1 问题1:报错显示 “Could not find the following static Boost libraries”
Could not find the following static Boost librariesboost_systemboost_filesystemboost_threadboost_date_timeboost_chronoboost_regexboost_serializationboost_program_options

解决方法:

apt install libboost-all-dev
5.3.2 问题2:报错显示 “/usr/bin/ld: cannot find -lboost_system-mt”
/usr/bin/ld: cannot find -lboost_program_options-mt
/usr/bin/ld: cannot find -lboost_filesystem-mt
/usr/bin/ld: cannot find -lboost_system-mt
/usr/bin/ld: cannot find -lboost_thread-mt

这里出现错误的原因,是boost库链接出错,这时候我们需要修改CMakeList.txt文件,这里我就直接把CMakeList.txt贴出来,修改的地方做过注释。
解决方法:
【视频开发】【计算机视觉】doppia编译之四:安装其他库、编译和运行doppia
在错误四:
在这里插入图片描述

5.3.3 问题3:报错显示 “//data/casia_mosaic_liyi_linux/src/siftgpu_extractor/SiftGPU/bin/libsiftgpu.so: undefined reference to `__cudaRegisterFatBinary@libcudart.so.11.0”

解决方法:
没有libcudart.so.11.0,请安装cuda,并配置cuda环境。

5.3.4 问题4:报错显示 “//data/casia_mosaic_liyi_linux/src/siftgpu_extractor/SiftGPU/bin/libsiftgpu.so: undefined reference to `ilGetIntege”
undefined reference to `ilInit'
undefined reference to `ilGenImages'
undefined reference to `ilBindImage'undefined reference to `ilLoadImage'
undefined reference to `ilGetInteger'
undefined reference to `ilGetInteger'
undefined reference to `ilGetInteger'
undefined reference to `ilGetInteger'

解决方法:
安装 devil库
在Ubuntu上安装C++库

sudo apt-get install libdevil1c2 libdevil-dev
apt-file show libdevil1c2

libdevil1c2: /usr/bin/ilur
libdevil1c2: /usr/lib/libIL.so.1
libdevil1c2: /usr/lib/libIL.so.1.1.0
libdevil1c2: /usr/lib/libILU.so.1
libdevil1c2: /usr/lib/libILU.so.1.1.0
libdevil1c2: /usr/lib/libILUT.so.1
libdevil1c2: /usr/lib/libILUT.so.1.1.0
libdevil1c2: /usr/share/doc/libdevil1c2/changelog.Debian.gz
libdevil1c2: /usr/share/doc/libdevil1c2/copyright
libdevil1c2: /usr/share/lintian/overrides/libdevil1c2\

5.3.5 问题5:报错显示 “//data/casia_mosaic_liyi_linux/src/siftgpu_extractor/SiftGPU/bin/libsiftgpu.so: undefined reference to `std::__cxx11::basic_ostringstream<char, std::char_traits, std::allocator >::basic_ostringstream()@GLIBCXX_3.4.26”

解决:
libstdc++.so.6.0.25中不包含GLIBCXX的3.4.26版本,因此需要下载libstdc++.so.6.0.26,然后重新软连接到libstdc++.so.6
一般libstdc++都在/usr/lib64中,但是我在docker中为/usr/lib/x86_64-linux-gnu
参考:运行应用程序时出现GLIBCXX_3.4.26not found问题

5.3.6 问题6:报错显示 “//data/casia_mosaic_liyi_linux/src/siftgpu_extractor/SiftGPU/bin/libsiftgpu.so: undefined reference to `log@GLIBC_2.29”

解决方法:
检查/usr/lib/x86_64-linux-gnu/libc.so,看看是否存在或者,兼容GLIBC_2.29.
检查命令:

strings /lib/x86_64-linux-gnu/libc.so.6 | grep GLIBC_

没有lib.so,则安装glibc-2.29,并进行安装和编译

cd glibc-build
../glibc-2.29/configure --prefix=/usr/lib/glibc-2.29
make -j8
make install

然后进行软连接:

ln -sf /usr/lib/glibc-2.29/lib/libm-2.29.so libm.so.6

参考博客:wsl2中安装QGC

缺失bison和gawk,或者bison和gawk的版本过低。
解决办法:
更新文件 gawk 和 bison
命令为:
sudo apt-get install gawk
sudo apt-get install bison

然后libsiftgpu.so的重新编译生成。在SiftGPU下进行编译。
用ldd /bin/libsiftgpu.so来进行测试。

参考博客:SiftGPU在Ubuntu和Windows下的编译与使用

5.3.7 问题7:报错显示 “apt-file not found”

解决:

sudo apt-get update
sudo apt-get install apt-file
sudo apt-file update
5.3.8 问题8:报错显示 “ld.so.conf: No such file or directory”

在指定位置建立ld.so.conf

mkdir -p $prefix/etc
touch $prefix/etc/ld.so.conf

参考博客:ld.so.conf: No such file or directory

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/118628.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

MySQL——九、SQL编程

MySQL 一、触发器1、触发器简介2、创建触发器3、一些常见示例 二、存储过程1、什么是存储过程或者函数2、优点3、存储过程创建与调用 三、存储函数1、存储函数创建和调用2、修改存储函数3、删除存储函数 四、游标1、声明游标2、打开游标3、使用游标4、关闭游标游标案例 一、触发…

Flutter extended_image库设置内存缓存区大小与缓存图片数

ExtendedImage ExtendedImage 是一个Flutter库&#xff0c;用于提供高级图片加载和显示功能。这个库使用了 image 包来进行图片的加载和缓存。如果你想修改缓存大小&#xff0c;你可以通过修改ImageCache的配置来实现。 1. 获取ImageCache实例: 你可以通过PaintingBinding…

超级强大!送你几款Linux 下终极SSH客户端

更多IT技术&#xff0c;请关注微信公众号:“运维之美” 超级强大&#xff01;送你几款Linux 下终极SSH客户端 1.MobaXterm2.Xshell3.SecureCRT4.PuTTY5.FinalShell6.Termius7.WindTerm 安全外壳协议&#xff08;Secure Shell&#xff0c;简称 SSH&#xff09;是一种网络连接协议…

【Gensim概念】02/3 NLP玩转 word2vec

第二部分 句法 六、句法模型&#xff08;类对象和参数&#xff09; 6.1 数据集的句子查看 classgensim.models.word2vec.BrownCorpus(dirname) Bases: object 迭代句子 Brown corpus (part of NLTK data). 6.2 数据集的句子和gram classgensim.models.word2vec.Heapitem(c…

【Docker】Docker数据的存储

默认情况下&#xff0c;在运行中的容器里创建的文件&#xff0c;被保存在一个可写的容器层里&#xff0c;如果容器被删除了&#xff0c;则对应的数据也随之删除了。 这个可写的容器层是和特定的容器绑定的&#xff0c;也就是这些数据无法方便的和其它容器共享。 Docker主要提…

智能井盖监测系统功能,万宾科技传感器效果

智能井盖传感器的出现是高科技产品的更新换代&#xff0c;同时也是智慧城市建设中的需求。在智慧城市建设过程之中&#xff0c;高科技产品的应用数不胜数&#xff0c;智能井盖传感器的出现&#xff0c;解决了城市道路安全保护着城市地下生命线&#xff0c;改善着传统井盖带来的…

责任链模式应用案例

前几天系统商品折扣功能优化&#xff0c;同事采用了责任链模式重构了代码&#xff0c;现整理如下。 一、概念 责任链模式是为请求创建一个处理者对象的链条&#xff0c;所有处理者&#xff08;除最末端&#xff09;都含有下一个对象的引用从而形成一条处理链&#xff0c;该模…

10月最新H5自适应樱花导航网站源码SEO增强版

10月最新H5自适应樱花导航网源码SEO增强版。非常强大的导航网站亮点就是对SEO优化比较好。 开发时PHP版本&#xff1a;7.3开发时MySQL版本&#xff1a;5.7.26 懂前端和PHP技术想更改前端页面的可以看&#xff1a;网站的前端页面不好看&#xff0c;你可以查看index目录&#x…

二、W5100S/W5500+RP2040树莓派Pico<DHCP>

文章目录 1 前言2 简介2 .1 什么是DHCP&#xff1f;2.2 为什么要使用DHCP&#xff1f;2.3 DHCP工作原理2.4 DHCP应用场景 3 WIZnet以太网芯片4 DHCP网络设置示例概述以及使用4.1 流程图4.2 准备工作核心4.3 连接方式4.4 主要代码概述4.5 结果演示 5 注意事项6 相关链接 1 前言 …

vue项目中将html转为pdf并下载

个人项目地址&#xff1a; SubTopH前端开发个人站 &#xff08;自己开发的前端功能和UI组件&#xff0c;一些有趣的小功能&#xff0c;感兴趣的伙伴可以访问&#xff0c;欢迎提出更好的想法&#xff0c;私信沟通&#xff0c;网站属于静态页面&#xff09; SubTopH前端开发个人…

C/C++不及格学生 2020年9月电子学会青少年软件编程(C/C++)等级考试一级真题答案解析

目录 C/C不及格学生 一、题目要求 1、编程实现 2、输入输出 二、算法分析 三、程序编写 四、程序说明 五、运行结果 六、考点分析 C/C不及格学生 2020年9月 C/C编程等级考试一级编程题 一、题目要求 1、编程实现 给出一名学生的语文和数学成绩&#xff0c;判断他是…

如何在 Chrome 中设置HTTP服务器?

首先&#xff0c;定义问题&#xff1a;在 Chrome 浏览器中设置HTTP服务器主要涉及到修改网络设置&#xff0c;使用HTTP服务器可以帮助用户访问网络内容&#xff0c;提高网络速度或者保护隐私。 亲身经验&#xff1a;我曾在使用 Chrome 浏览器时&#xff0c;为了访问一些受限的网…

使用Docker快速搭建服务器环境

简介 这篇文章也是方便自己记录搭建流程&#xff0c;服务器的购买啥的就不说了&#xff0c;最终目标就是在一个空白的Linux系统上&#xff0c;使用docker运行MySQL、TomcatJava、Nginx、Redis 的单机环境&#xff0c;以后方便自己快速的部署服务器。 安装Docker 首先需要安装…

python网络爬虫(二)基本库的使用urllib/requests

使用urllib 了解一下 urllib 库&#xff0c;它是 Python 内置的 HTTP 请求库&#xff0c;也就是说不需要额外安装即可使用。它包含如下 4 个模块。 request&#xff1a;它是最基本的 HTTP 请求模块&#xff0c;可以用来模拟发送请求。就像在浏览器里输入网址然后回车一样&…

06 MIT线性代数-列空间和零空间 Column space Nullspace

1. Vector space Vector space requirements vw and c v are in the space, all combs c v d w are in the space 但是“子空间”和“子集”的概念有区别&#xff0c;所有元素都在原空间之内就可称之为子集&#xff0c;但是要满足对线性运算封闭的子集才能成为子空间 中 2 …

【OpenCV实现图像阈值处理】

文章目录 概要简单阈值调整自适应阈值调整大津(Otsus)阈值法Otsus 二值化是如何工作的 概要 OpenCV库中的图像处理技术&#xff0c;主要分为几何变换、图像阈值调整和平滑处理三个部分。 在几何变换方面&#xff0c;OpenCV提供了cv.warpAffine和cv.warpPerspective函数&#…

(链表) 25. K 个一组翻转链表 ——【Leetcode每日一题】

❓ 25. K 个一组翻转链表 难度&#xff1a;困难 给你链表的头节点 head &#xff0c;每 k 个节点一组进行翻转&#xff0c;请你返回修改后的链表。 k 是一个正整数&#xff0c;它的值小于或等于链表的长度。如果节点总数不是 k 的整数倍&#xff0c;那么请将最后剩余的节点保…

Kotlin基础——函数、变量、字符串模板、类

函数、变量、字符串模板、类 函数变量字符串模板类 函数 函数组成为 fun 函数名(参数名: 参数类型, …): 返回值{} fun max(a: Int, b: Int): Int {return if (a > b) a else b }上面称为代码块函数体&#xff0c;当函数体由单个表达式构成时&#xff0c;可简化为表达式函…

FreeRTOS 计数型信号量 详解

目录 什么是计数型信号量&#xff1f; 计数型信号量相关 API 函数 1. 创建计数型信号量 2. 释放二值信号量 3. 获取二值信号量 计数型信号量实操 什么是计数型信号量&#xff1f; 计数型信号量相当于队列长度大于1 的队列&#xff0c;因此计数型信号量能够容纳多个资源&a…

Azure - 机器学习:创建机器学习所需资源,配置工作区

目录 一、Azure机器学习工作区与计算实例简要介绍工作区计算实例 二、创建工作区1. 登录到 Azure 机器学习工作室2. 选择“创建工作区”3. 提供以下信息来配置新工作区&#xff1a;4. 选择“创建”以创建工作区 三、创建计算实例四、工作室实战4.1 工作室快速导览4.2 从示例笔记…