首页
/ 解决COLMAP在Ubuntu 22.04上的编译错误:libfreeimage和libceres链接问题

解决COLMAP在Ubuntu 22.04上的编译错误:libfreeimage和libceres链接问题

2025-05-27 15:40:22作者:戚魁泉Nursing

问题背景

在Ubuntu 22.04系统上编译COLMAP三维重建软件时,开发者可能会遇到一个常见的链接错误。这个错误通常发生在使用WSL或原生Ubuntu系统时,特别是在配置了Anaconda环境的开发环境中。错误信息中会显示关于libfreeimage和libceres库的未定义引用问题,最终导致编译失败。

错误现象分析

编译过程中出现的典型错误信息包括:

  1. libfreeimage.so的未定义引用,涉及多个TIFF相关函数:

    • TIFFFieldTag@LIBTIFF_4.0
    • TIFFFieldName@LIBTIFF_4.0
    • TIFFFieldReadCount@LIBTIFF_4.0
    • 以及其他TIFF相关函数
  2. libceres.so的未定义引用:

    • google::kLogSiteUninitialized
  3. 最终错误提示:

    • collect2: error: ld returned 1 exit status
    • ninja: build stopped: subcommand failed

问题根源

这个问题的根本原因在于开发环境的库路径冲突,特别是当系统中同时存在Anaconda提供的库和系统原生库时。具体表现为:

  1. 库版本不匹配:Anaconda环境中的库版本与系统要求的库版本不一致,导致符号解析失败。

  2. 环境污染:Anaconda环境修改了系统的库搜索路径,使得链接器优先使用了不兼容的库版本。

  3. 依赖关系混乱:FreeImage库依赖于特定版本的libtiff,而系统中可能存在多个冲突的版本。

解决方案

方法一:临时禁用Anaconda环境

最直接的解决方案是暂时移除Anaconda环境对编译过程的影响:

  1. 重命名Anaconda安装目录,使其不在环境变量中生效:

    mv ~/anaconda3 ~/anaconda3_backup
    
  2. 清理之前的编译缓存:

    rm -rf build/
    mkdir build && cd build
    
  3. 重新配置和编译COLMAP:

    cmake ..
    ninja
    
  4. 编译完成后,可以恢复Anaconda目录:

    mv ~/anaconda3_backup ~/anaconda3
    

方法二:创建干净的编译环境

对于需要长期开发的情况,建议创建一个干净的编译环境:

  1. 使用conda创建一个新的独立环境:

    conda create -n colmap_build python=3.8
    conda activate colmap_build
    
  2. 安装必要的依赖项,避免污染系统环境:

    conda install -c conda-forge cmake ninja
    
  3. 确保系统库路径不被Anaconda覆盖:

    export LD_LIBRARY_PATH=/usr/lib/x86_64-linux-gnu:/usr/local/lib
    

方法三:手动修复库依赖

对于高级用户,可以尝试手动修复库依赖关系:

  1. 检查libtiff的版本:

    dpkg -l | grep libtiff
    
  2. 安装或更新兼容版本的libtiff-dev:

    sudo apt-get install libtiff-dev
    
  3. 重新配置链接器路径:

    export PKG_CONFIG_PATH=/usr/lib/x86_64-linux-gnu/pkgconfig
    

预防措施

为了避免类似问题再次发生,建议采取以下预防措施:

  1. 隔离开发环境:使用虚拟环境或容器技术隔离不同的开发项目。

  2. 明确依赖关系:在项目文档中明确记录所有依赖库及其版本要求。

  3. 定期清理缓存:在切换开发环境或更新系统后,清理编译缓存。

  4. 使用系统包管理器:优先使用系统包管理器安装依赖项,减少手动安装带来的冲突。

总结

COLMAP在Ubuntu 22.04上的编译错误通常源于开发环境中的库冲突问题,特别是当Anaconda环境干扰了系统库路径时。通过临时禁用Anaconda、创建干净的编译环境或手动修复库依赖关系,可以有效解决这个问题。对于长期开发而言,建立规范的环境管理流程是避免类似问题的关键。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
223
2.26 K
flutter_flutterflutter_flutter
暂无简介
Dart
525
116
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
JavaScript
210
286
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
frameworksframeworks
openvela 操作系统专为 AIoT 领域量身定制。服务框架:主要包含蓝牙、电话、图形、多媒体、应用框架、安全、系统服务框架。
CMake
795
12
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
984
581
pytorchpytorch
Ascend Extension for PyTorch
Python
67
97
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
566
94
GLM-4.6GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】
Jinja
42
0