path_optimizer 复现

文章目录

一. 安装依赖
- 1. package依赖
- 2. cmake 版本问题
- 3. eigen 版本问题
- 4. 安装osqp和osqp-eigen
- 5. gflags安装
二. 运行结果

参考： LiJiangnanBit/path_optimizer_2

感谢作者贡献的很好的开源项目，记录一下复现过程中的问题

一. 安装依赖

1. package依赖

首先 clone 下来放到 src 中，这两个 package 也需要 clone 下来放到 src 中

ros_viz_tools
tinyspline_ros

2. cmake 版本问题

需要 3.8 以上的版本，我的电脑是3.5的，需要先卸载，之后安装，参考我的博客：

cmake 升级

3. eigen 版本问题

由于通过终端命令行安装的电脑里的 eigen 版本是 3.2.9 不满足要求，编译会报错：

CMake Error at cmake/OsqpEigenDependencies.cmake:12 (find_package):Could not find a configuration file for package "Eigen3" that is compatiblewith requested version "3.2.92".The following configuration files were considered but not accepted:/usr/lib/cmake/eigen3/Eigen3Config.cmake, version: unknownCall Stack (most recent call first):CMakeLists.txt:75 (include)-- Configuring incomplete, errors occurred!
See also "/home/seivl/my_lib/osqp-eigen/build/CMakeFiles/CMakeOutput.log".

先卸载了，再安装高版本的：

卸载 eigen
添加链接描述

卸载：

sudo rm -rf /usr/include/eigen3
sudo rm -rf /usr/lib/cmake/eigen3

安装：从这里下载：eigen 下载

mkdir build
cd build
cmake ..
sudo make
sudo make install

安装在这个目录：

/usr/local/include/eigen3/

要修改到这里：

usr/local/include

执行：

sudo cp -r /usr/local/include/eigen3/Eigen /usr/local/include

4. 安装osqp和osqp-eigen

需要依赖osqp-eigen，又要首先安装osqp，没安装的话也是会编译报错：

seivl@seivl-Default-string:~/my_lib/osqp-eigen/build$ cmake ..
CMake Error at cmake/OsqpEigenDependencies.cmake:13 (find_package):By not providing "Findosqp.cmake" in CMAKE_MODULE_PATH this project hasasked CMake to find a package configuration file provided by "osqp", butCMake did not find one.Could not find a package configuration file provided by "osqp" with any ofthe following names:osqpConfig.cmakeosqp-config.cmakeAdd the installation prefix of "osqp" to CMAKE_PREFIX_PATH or set"osqp_DIR" to a directory containing one of the above files.  If "osqp"provides a separate development package or SDK, be sure it has beeninstalled.
Call Stack (most recent call first):CMakeLists.txt:75 (include)

它们的安装参考这里，很详细了：

osqp和osqp-eigen

5. gflags安装

正常编译会报错：

CMake Error at path_optimizer_2/CMakeLists.txt:27 (find_package):By not providing "Findgflags.cmake" in CMAKE_MODULE_PATH this project hasasked CMake to find a package configuration file provided by "gflags", butCMake did not find one.Could not find a package configuration file provided by "gflags" with anyof the following names:gflagsConfig.cmakegflags-config.cmakeAdd the installation prefix of "gflags" to CMAKE_PREFIX_PATH or set"gflags_DIR" to a directory containing one of the above files.  If "gflags"provides a separate development package or SDK, be sure it has beeninstalled.-- Configuring incomplete, errors occurred!
See also "/home/seivl/pnc_ws/build/CMakeFiles/CMakeOutput.log".
See also "/home/seivl/pnc_ws/build/CMakeFiles/CMakeError.log".
Makefile:870: recipe for target 'cmake_check_build_system' failed
make: *** [cmake_check_build_system] Error 1

亲测直接使用终端命令行安装还是会报错，需要自己下载源码安装：

gtest 和 gflags 安装使用

编译会遇到以下错误：

[ 92%] Linking CXX shared library /home/seivl/pnc_ws/devel/lib/libpath_optimizer_2.so
/usr/bin/ld: /usr/local/lib/libgflags.a(gflags.cc.o): relocation R_X86_64_32 against `.rodata.str1.1' can not be used when making a shared object; recompile with -fPIC
/usr/local/lib/libgflags.a: 无法添加符号: 错误的值
collect2: error: ld returned 1 exit status
path_optimizer_2/CMakeFiles/path_optimizer_2.dir/build.make:412: recipe for target '/home/seivl/pnc_ws/devel/lib/libpath_optimizer_2.so' failed
make[2]: *** [/home/seivl/pnc_ws/devel/lib/libpath_optimizer_2.so] Error 1
CMakeFiles/Makefile2:1633: recipe for target 'path_optimizer_2/CMakeFiles/path_optimizer_2.dir/all' failed
make[1]: *** [path_optimizer_2/CMakeFiles/path_optimizer_2.dir/all] Error 2
Makefile:145: recipe for target 'all' failed
make: *** [all] Error 2
Invoking "make -j8 -l8" failed

问题解决：

遇到libgflags.a(gflags.cc.o): relocation R_X86_64_32 against `.rodata.str1.1’ ca时

mkdir build
cd build
cmake -DCMAKE_INSTALL_PREFIX=/usr/local -DBUILD_SHARED_LIBS=ON -DGFLAGS_NAMESPACE=google -G "Unix Makefiles" ../
make
sudo make install
sudo ldconfig

二. 运行结果

path_optimizer 复现相关推荐

Facebook 发布深度学习工具包 PyTorch Hub，让论文复现变得更容易
近日,PyTorch 社区发布了一个深度学习工具包 PyTorchHub, 帮助机器学习工作者更快实现重要论文的复现工作.PyTorchHub 由一个预训练模型仓库组成,专门用于提高研究工作的复现性以 ...
【目标检测】yolo系列：从yolov1到yolov5之YOLOv1详解及复现
检测器通常能够被分为两类,一类是two-stage检测器,最具代表的为faster R-CNN:另一类是one-stage检测器,包括YOLO,SSD等.一般来说,two-stage检测器具有高定位和 ...
CV算法复现（分类算法2/6）：AlexNet（2012年 Hinton组）
致谢:霹雳吧啦Wz:https://space.bilibili.com/18161609 目录致谢:霹雳吧啦Wz:https://space.bilibili.com/18161609 1 本次要 ...
【神经网络】(17) EfficientNet 代码复现，网络解析，附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 复现 EfficientNet 卷积神经网络模型. EfficientNet 的网络结构和 MobileNetV3 比较相似,建议大家在学 ...
【神经网络】(16) MobileNetV3 代码复现，网络解析，附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 构建 MobileNetV3 轻量化网络模型. MobileNetV3 做了如下改动(1)更新了V2中的逆转残差结构:(2)使用NAS搜索 ...
【神经网络】(15) Xception 代码复现，网络解析，附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 构建 Xception 神经网络模型. 在前面章节中,我已经介绍了很多种轻量化卷积神经网络模型,感兴趣的可以看一下:https://blo ...
【神经网络】(14) MnasNet 代码复现，网络解析，附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 复现谷歌轻量化神经网络 MnasNet 通常而言,移动端(手机)和终端(安防监控.无人驾驶)上的设备计算能力有限,无法搭载庞大的神经网络 ...
【神经网络】(13) ShuffleNetV2 代码复现，网络解析，附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 复现轻量化神经网络 ShuffleNetV2. 为了能将神经网络模型用于移动端(手机)和终端(安防监控.无人驾驶)的实时计算,通常这些设备 ...
【神经网络】(11) 轻量化网络MobileNetV1代码复现、解析，附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 复现轻量化神经网络模型 MobileNetV1.为了能将神经网络模型用于移动端(手机)和终端(安防监控.无人驾驶)的实时计算,通常这些设备 ...