OpenMVS在MacOS上的编译问题与解决方案
2025-06-20 02:03:19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
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
414
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