OpenMVS在MacOS上的编译问题与解决方案
2025-06-20 14:15:18作者:盛欣凯Ernestine
背景介绍
OpenMVS是一个开源的多视图立体视觉库,广泛应用于三维重建领域。近期有开发者在MacOS 15.0.1系统上使用M3 Pro芯片的Macbook进行编译时遇到了若干问题,本文将详细分析这些问题并提供解决方案。
主要编译问题
C++20兼容性问题
在MacOS上使用较新版本的编译器时,OpenMVS源码中部分代码使用了已被C++20标准废弃的特性。主要问题出现在FastDelegateCPP11.h文件中:
if ((sizeof(functor_type) > store_size_) || !store_.unique())
这行代码使用了已被废弃的unique()方法,应改为:
if ((sizeof(functor_type) > store_size_) || store_.use_count() > 1)
Windows特定函数问题
源码中使用了Windows平台特有的_vscprintf()函数,这在MacOS上不可用。正确的跨平台实现应该是:
#if (defined _MSC_VER) && (_MSC_VER < 1400 ) && (!defined WINCE)
#define OPENMVS_VSCPRINTF(...) _vscprintf(__VA_ARGS__)
#else
#define OPENMVS_VSCPRINTF(...) vsnprintf(nullptr, 0, __VA_ARGS__)
#endif
链接器错误
编译过程中还会遇到各种链接器错误,包括:
- OpenCV相关符号未定义(如
cv::imread和cv::imwrite) - Boost程序选项库相关符号缺失
- 其他第三方库的兼容性问题
解决方案
1. 使用最新开发分支
仓库所有者已在开发分支(develop)中修复了上述C++20兼容性问题,建议从该分支获取最新代码。
2. 确保正确的编译环境
在MacOS上编译时,需要确保:
- 安装了所有必要的依赖库(OpenCV、Boost、Eigen等)
- 使用Homebrew等包管理器安装的库路径正确配置
- CMake能够找到所有依赖项
3. 编译器选择
虽然可以尝试使用gcc-14进行编译,但更推荐使用MacOS自带的Clang编译器,并确保其支持C++20标准。
4. CMake配置建议
建议使用以下CMake配置选项:
cmake ../openMVS \
-DCMAKE_BUILD_TYPE=Release \
-DBUILD_SHARED_LIBS=ON \
-DVCG_DIR="/path/to/vcglib"
经验总结
-
跨平台开发注意事项:在编写跨平台代码时,应避免使用平台特定的函数和API,或者提供适当的条件编译和替代实现。
-
C++标准演进:随着C++标准的更新,开发者需要关注废弃特性的替代方案,保持代码的现代性和兼容性。
-
依赖管理:大型项目如OpenMVS依赖众多第三方库,确保这些库的版本兼容性至关重要。
-
构建系统配置:CMake等构建系统的正确配置对于复杂项目的编译至关重要,特别是在不同平台上。
结语
通过解决上述问题,开发者可以在MacOS系统上成功编译OpenMVS项目。这不仅是解决具体技术问题的过程,也是对跨平台C++开发实践的一次有益探索。对于从事计算机视觉和三维重建领域的研究人员和开发者来说,掌握这类问题的解决方法将大大提高工作效率。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
191
210
暂无简介
Dart
630
143
React Native鸿蒙化仓库
JavaScript
243
316
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
481
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
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++
649
270
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
107
仓颉编译器源码及 cjdb 调试工具。
C++
128
858
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210