CGAL中AABB树在6.0.1版本的编译问题解析
2025-06-07 18:42:46作者:吴年前Myrtle
问题背景
在使用CGAL(计算几何算法库)6.0.1版本时,用户报告了一个关于AABB树(轴对齐包围盒树)的编译错误。该错误在使用CGAL 5.6版本时并不存在,表明这是新版本引入的兼容性问题。
问题现象
用户尝试编译一个使用AABB树进行线段查询的示例程序时,遇到了编译错误。核心问题出现在closest_point_and_primitive方法的调用上,编译器提示无法找到匹配的函数重载。
技术分析
版本差异
在CGAL 6.0.0及以后版本中,AABB树的相关头文件和类结构发生了变化:
- 新增了
AABB_traits_2.h和AABB_segment_primitive_2.h头文件 - 移除了旧版本中的
AABB_traits.h和AABB_segment_primitive.h - 从
boost::optional改为使用std::optional
代码问题
用户代码中存在几个关键问题:
- 在CGAL 6.0.1版本中,用户错误地将3D线段类型与2D查询点混合使用
- 没有正确处理版本差异导致的接口变化
- 类型定义在2D和3D之间存在混淆
解决方案
正确的实现应该确保维度一致性:
- 如果使用2D线段(
Segment_2),则所有相关几何类型都应为2D - 查询点类型必须与线段维度匹配
- 使用正确的版本适配代码
正确实现示例
#include <vector>
#include <CGAL/Exact_predicates_inexact_constructions_kernel.h>
#include <CGAL/AABB_tree.h>
#include <CGAL/AABB_traits_2.h>
#include <CGAL/AABB_segment_primitive_2.h>
typedef CGAL::Exact_predicates_inexact_constructions_kernel K;
typedef std::vector<K::Segment_2>::const_iterator Iterator;
typedef CGAL::AABB_segment_primitive_2<K, Iterator> Primitive;
typedef CGAL::AABB_traits_2<K, Primitive> Traits;
typedef CGAL::AABB_tree<Traits> Tree;
int main()
{
std::vector<K::Segment_2> segmentsList;
segmentsList.push_back({K::Point_2(0,0), K::Point_2(1.0,0)});
K::Point_2 pointQuery = K::Point_2(0.5, 0.5);
Tree tree(segmentsList.begin(), segmentsList.end());
Tree::Point_and_primitive_id res = tree.closest_point_and_primitive(pointQuery);
return 0;
}
总结
在使用CGAL的AABB树时,开发者需要注意:
- 保持几何类型的维度一致性(2D或3D)
- 根据CGAL版本正确包含头文件
- 注意从boost到std的optional类型转换
- 确保所有相关几何类型都来自同一内核
这个问题已在CGAL的后续版本中得到修复,开发者只需确保代码中的维度一致性即可避免此类编译错误。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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++
689
325
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492