Ceres-Solver 与下游项目构建问题分析及解决方案
2025-06-16 16:00:55作者:裴麒琰
问题背景
在使用最新版 Ceres-Solver 构建 COLMAP 等下游项目时,开发者可能会遇到一个典型的 CMake 配置错误。错误信息表明虽然找到了 Abseil 的配置文件,但由于缺少 GTest::gmock 目标,导致 Abseil 被标记为未找到状态。
问题本质
这个问题的根源在于 Abseil-CPP 的 CMake 配置文件中默认引用了 GoogleTest 的 mock 组件,而 Ceres-Solver 本身并不直接依赖这些测试组件。这是一个典型的依赖传递问题,属于上游 Abseil-CPP 的包配置设计问题。
详细分析
-
依赖关系链:Ceres-Solver → Abseil-CPP → GoogleTest (gmock)
-
问题表现:当使用 CMake 构建依赖 Ceres-Solver 的项目时,CMake 会检查 Abseil-CPP 的配置,而后者错误地要求必须存在 GTest::gmock 目标。
-
版本影响:这个问题在不同版本的 Abseil-CPP 中表现不同,较新版本可能默认包含了不必要的测试依赖。
解决方案
方案一:使用兼容版本组合
经过验证,以下版本组合可以避免此问题:
- GoogleTest: v1.16.0
- Abseil-CPP: 20240116.0 或 20250127.0
安装步骤:
- 安装 GoogleTest v1.16.0:
git clone https://github.com/google/googletest.git --branch v1.16.0 --depth 1
cd googletest
mkdir build && cd build
cmake .. -DBUILD_GMOCK=OFF -DBUILD_GTEST=ON -DCMAKE_INSTALL_PREFIX=/usr/local
cmake --build . --parallel
sudo cmake --install .
- 安装 Abseil-CPP 20240116.0:
git clone https://github.com/abseil/abseil-cpp.git --branch 20240116 --depth 1
cd abseil-cpp
mkdir build && cd build
cmake .. -DCMAKE_POSITION_INDEPENDENT_CODE=ON -DCMAKE_INSTALL_PREFIX=/usr/local
cmake --build . --parallel
sudo cmake --install .
方案二:修改构建配置
对于熟悉 CMake 的高级用户,可以考虑:
- 在构建 Ceres-Solver 时,通过 CMake 参数显式禁用测试依赖
- 修改 Abseil-CPP 的 CMake 配置文件,移除对 GTest::gmock 的强制要求
最佳实践建议
- 版本控制:建议固定使用已知兼容的版本组合,避免使用最新的开发分支
- 构建隔离:考虑使用容器或虚拟环境来隔离不同项目的依赖关系
- 依赖检查:在构建前检查系统中已安装的依赖版本,避免冲突
总结
这个问题展示了现代C++项目中复杂的依赖关系管理挑战。通过使用经过验证的版本组合和合理的构建配置,开发者可以成功构建基于 Ceres-Solver 的项目。对于长期解决方案,建议关注上游 Abseil-CPP 项目的更新,期待未来版本能解决这个包配置问题。
对于云环境或CI/CD流水线中的构建,特别建议预先安装好兼容版本的依赖项,以节省调试时间。
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-1.5暂无简介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
185
196
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
480
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
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210