MediaPipe在Ubuntu 22.04上的编译问题及解决方案
2025-05-06 14:10:36作者:俞予舒Fleming
在Ubuntu 22.04系统上编译Google的MediaPipe框架时,开发者可能会遇到一些依赖库缺失的问题。本文将详细分析这些问题的根源,并提供有效的解决方案。
问题背景
MediaPipe是一个由Google开发的开源跨平台框架,用于构建多模态应用机器学习流水线。在Ubuntu 22.04系统上编译最新版本时,由于系统库的更新变化,会出现一些依赖问题。
主要问题分析
1. libavresample缺失问题
Ubuntu 22.04移除了libavresample库,转而使用更新的FFmpeg库结构。这个变化导致MediaPipe在编译过程中会报错,提示找不到-lavresample链接库。
解决方案:
- 直接修改MediaPipe的third_party/BUILD文件,移除对libavresample的依赖
- 或者使用Ubuntu 20.04的兼容库(不推荐,可能引入其他问题)
2. libdc1394-22-dev缺失问题
Ubuntu 22.04中不再提供libdc1394-22-dev包,而是提供了更新的libdc1394-dev包。这个变化会影响OpenCV的编译过程。
解决方案:
- 使用libdc1394-dev替代libdc1394-22-dev
- 或者考虑使用MediaPipe官方提供的Docker镜像(基于Ubuntu 22.04)
推荐解决方案
对于希望在Ubuntu 22.04上编译MediaPipe的开发者,有以下几种选择:
-
使用官方Docker镜像:MediaPipe团队已经更新了Docker镜像,基于Ubuntu 22.04,可以避免这些依赖问题。
-
手动修改构建配置:
- 修改third_party/BUILD文件
- 替换不存在的依赖包为当前系统可用的版本
- 注意保持其他依赖关系不变
-
使用兼容层:考虑使用Ubuntu 20.04的兼容库,但这种方法可能会引入其他潜在问题。
技术细节
Ubuntu 22.04对多媒体库进行了重大更新,特别是FFmpeg相关库。这些变化包括:
- 移除了过时的libavresample库
- 更新了IIDC相机控制库的包名
- 优化了依赖关系
MediaPipe框架需要适应这些变化,特别是在使用系统OpenCV时。开发者可以选择:
- 使用MediaPipe自带的OpenCV源码编译
- 配置使用系统安装的OpenCV(需要处理依赖问题)
结论
在Ubuntu 22.04上编译MediaPipe虽然会遇到一些依赖问题,但通过合理的解决方案都可以顺利解决。建议开发者优先考虑使用官方提供的Docker镜像,这是最稳定可靠的方案。对于需要自定义编译的开发者,仔细处理依赖关系并适当修改构建配置也能成功完成编译。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
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++
893
677
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
205
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781