Ceres Solver 安装与 CMake 集成实战指南:以 SensorsCalibration 激光雷达-IMU 标定工程为例
Ceres Solver 安装与 CMake 集成实战指南:以 SensorsCalibration 激光雷达-IMU 标定工程为例
导读
本文以 SensorsCalibration 仓库 lidar2imu/auto_calib/ceres 内随附的官方安装文档 installation.rst 为骨架,系统讲解 Ceres Solver(非线性最小二乘优化库)的源码获取、依赖清单、Linux / macOS / Windows / Android / iOS 五大平台的构建方法、CMake 配置选项定制,以及如何在自有工程中通过 find_package(Ceres) 完成集成;并结合仓库中 lidar2imu 自动标定模块的实际代码,展示把 Ceres 作为第三方源码子树直接编译进标定工程的另一种落地方式。读完本文,你将能够在不同平台上完整构建 Ceres,理解每个配置选项的作用,并看懂 SensorsCalibration 中标定优化器对 Ceres 的真实调用关系。
版本说明:仓库内随附的 Ceres 源码版本为 2.0.0(见 include/ceres/version.h 中的
CERES_VERSION_MAJOR/MINOR/REVISION定义),而 installation.rst 中的命令示例(如ceres-solver-1.14.0.tar.gz、Ceres Solver v1.14.0 Solve Report)撰写于较早版本。除个别命令中的版本号外,安装流程与配置选项在 2.0.0 上依然适用,本文按文档原样保留这些示例,并会结合仓库实际代码补充说明。
获取 Ceres 源码
官方推荐的两种获取方式:
- 直接下载最新稳定版的源码压缩包(文档示例中为
ceres-solver-1.14.0.tar.gz); - 克隆官方 git 仓库获取最新开发版:
git clone https://ceres-solver.googlesource.com/ceres-solver
在 SensorsCalibration 仓库中,Ceres 并非以系统安装包或子模块形式引入,而是被完整地随附在标定工程源码树内(lidar2imu/auto_calib/ceres),顶层包含 CMakeLists.txt、include/、internal/、cmake/、data/、docs/ 等完整目录,可直接作为第三方库子树参与上层工程的编译(详见后文"仓库实战"一节)。
依赖清单与编译器要求
编译器要求
- 所有 Ceres > 1.14 的版本都要求完全支持 C++11 的编译器;
- 版本 ≤ 1.14 时 C++11 是可选项,由
CXX11 [Default: OFF]构建选项控制; - 仓库随附的 ceres/CMakeLists.txt 将
CMAKE_CXX_STANDARD默认设为 11,允许的取值为 11/14/17,并强制CMAKE_CXX_STANDARD_REQUIRED=ON,确保标准不会被降级。
必选依赖
| 依赖 | 版本要求 | 说明 |
|---|---|---|
| Eigen | 3.3 及以上 | 必选。Ceres 使用 Eigen 完成核心线性代数运算;同时也可作为稀疏线性代数库使用(对应 EIGENSPARSE 选项) |
| CMake | 3.5 及以上 | 除传统 Android 平台外所有平台必选 |
推荐依赖
- glog 0.3.1 及以上(推荐):Ceres 全程使用 glog 输出详细日志,包括内存分配、求解各阶段耗时、内部错误条件等,开发者可据此观察分析求解过程。glog 支持命令行控制日志行为:
-logtostderr输出到 stderr,追加-v=N(N 递增)可获得越来越详细的内部信息。 - Ceres 还随附一个精简版日志库 miniglog,可通过
MINIGLOG选项启用,专为不支持完整 glog 的平台提供。文档强烈建议:在支持 glog 的平台上不要使用 miniglog——它性能更差且更难控制。若从源码编译 glog,注意其默认启用的单元测试与默认配置的 gflags 2.1 存在命名空间兼容问题(gflags 命名空间由google::改为gflags::)。
可选依赖
| 依赖 | 用途 | 说明 |
|---|---|---|
| gflags | 构建示例与测试 | 构建 examples 和 tests 时需要 |
| SuiteSparse | 求解大规模稀疏线性系统 | 可选但强烈推荐(大规模 bundle adjustment 场景),注意其许可证混合 GPL/LGPL/Commercial |
| CXSparse | 类似 SuiteSparse 的稀疏求解 | 更简单更慢,不依赖 LAPACK 和 BLAS,构建流程简单、二进制更小;LGPL 许可证 |
| Apple Accelerate 稀疏求解器 | macOS/iOS 稀疏线性系统 | Xcode 9.0 起提供,可选 |
| BLAS / LAPACK | SuiteSparse 需要,Ceres 也可直接调用 | 非 macOS 的 UNIX 系统推荐 ATLAS(含 BLAS/LAPACK),也可用 OpenBLAS(须关闭其内部线程,避免与 Ceres 多线程冲突);macOS 自带 Accelerate 框架中的优化 BLAS/LAPACK,构建系统会自动检测;Windows 需参照 LAPACK For Windows 的详细说明 |
Linux 构建(Ubuntu 示例)
1. 安装依赖
# CMake
sudo apt-get install cmake
# google-glog + gflags
sudo apt-get install libgoogle-glog-dev
# BLAS & LAPACK
sudo apt-get install libatlas-base-dev
# Eigen3
sudo apt-get install libeigen3-dev
# SuiteSparse and CXSparse (optional)
# - 如果以 *静态库* 形式构建 Ceres(默认),可直接使用 Ubuntu 官方仓库中的 SuiteSparse 包:
sudo apt-get install libsuitesparse-dev
# - 如果要以 *动态库* 形式构建,则需添加如下 PPA 再安装:
sudo add-apt-repository ppa:bzindovic/suitesparse-bugfix-1319687
sudo apt-get update
sudo apt-get install libsuitesparse-dev
文档特别提醒:截至 Ubuntu 14.04,官方仓库中的 SuiteSparse(基于 v3.4.0 构建)无法用于把 Ceres 构建为动态库;因此以动态库形式构建时,必须源码安装 SuiteSparse 或使用外部 PPA,文档建议使用当时较新的 SuiteSparse 版本。仓库随附的 ceres/CMakeLists.txt 中也保留了对应的检测逻辑:当以 BUILD_SHARED_LIBS=ON 构建、且检测到系统为 Ubuntu 上无法支持动态链接的 SuiteSparse 版本时,会直接报错提示改静态库或源码安装。
2. 构建、测试、安装
tar zxf ceres-solver-1.14.0.tar.gz
mkdir ceres-bin
cd ceres-bin
cmake ../ceres-solver-1.14.0
make -j3
make test
# 可选:安装 Ceres。也可以启用 EXPORT_BUILD_DIR 选项导出构建目录,
# 使 Ceres 无需安装即可被其他 CMake 工程使用
make install
3. 用附带问题验证安装
使用随附的 BAL 数据集(来自华盛顿大学)运行命令行 bundle adjustment 示例:
bin/simple_bundle_adjuster ../ceres-solver-1.14.0/data/problem-16-22106-pre.txt
该程序使用 DENSE_SCHUR 线性求解器、最多迭代 10 次,输出大致如下:
iter cost cost_change |gradient| |step| tr_ratio tr_radius ls_iter iter_time total_time
0 4.185660e+06 0.00e+00 1.09e+08 0.00e+00 0.00e+00 1.00e+04 0 7.59e-02 3.37e-01
1 1.062590e+05 4.08e+06 8.99e+06 5.36e+02 9.82e-01 3.00e+04 1 1.65e-01 5.03e-01
2 4.992817e+04 5.63e+04 8.32e+06 3.19e+02 6.52e-01 3.09e+04 1 1.45e-01 6.48e-01
3 1.899774e+04 3.09e+04 1.60e+06 1.24e+02 9.77e-01 9.26e+04 1 1.43e-01 7.92e-01
4 1.808729e+04 9.10e+02 3.97e+05 6.39e+01 9.51e-01 2.78e+05 1 1.45e-01 9.36e-01
5 1.803399e+04 5.33e+01 1.48e+04 1.23e+01 9.99e-01 8.33e+05 1 1.45e-01 1.08e+00
6 1.803390e+04 9.02e-02 6.35e+01 8.00e-01 1.00e+00 2.50e+06 1 1.50e-01 1.23e+00
Ceres Solver v1.14.0 Solve Report
----------------------------------
Original Reduced
Parameter blocks 22122 22122
Parameters 66462 66462
Residual blocks 83718 83718
Residual 167436 167436
Minimizer TRUST_REGION
Dense linear algebra library EIGEN
Trust region strategy LEVENBERG_MARQUARDT
Given Used
Linear solver DENSE_SCHUR DENSE_SCHUR
Threads 1 1
Linear solver threads 1 1
Linear solver ordering AUTOMATIC 22106, 16
Cost:
Initial 4.185660e+06
Final 1.803390e+04
Change 4.167626e+06
Minimizer iterations 6
Successful steps 6
Unsuccessful steps 0
Time (in seconds):
Preprocessor 0.261
Residual evaluation 0.082
Jacobian evaluation 0.412
Linear solver 0.442
Minimizer 1.051
Postprocessor 0.002
Total 1.357
Termination: CONVERGENCE (Function tolerance reached. |cost_change|/cost: 1.769766e-09 <= 1.000000e-06)
这份报告是理解 Ceres 求解行为的经典样例:cost 从 4.185660e+06 快速下降到 1.803390e+04,6 次迭代全部成功,最终以函数值容差收敛(CONVERGENCE)。
macOS 构建
MacPorts / Homebrew 一键安装
# MacPorts
sudo port install ceres-solver
# Homebrew(需启用 homebrew/science tap)
brew tap homebrew/science
brew install ceres-solver # 最新稳定版(含全部依赖)
brew install ceres-solver --HEAD # git 仓库中的最新版
手工安装依赖
macOS 自带 vecLib 框架中的优化 BLAS/LAPACK,无需单独安装:
# CMake
brew install cmake
# google-glog and gflags
brew install glog
# Eigen3
brew install eigen
# SuiteSparse and CXSparse
brew install suite-sparse
随后与 Linux 相同的 tar / mkdir / cmake / make -j3 / make test / make install 流程即可。
注意:Ceres 无法使用 Xcode 4.5.x(Clang 4.1)编译,因其存在 Clang 版本缺陷,请升级到 Xcode ≥ 4.6.x。
macOS 上启用 OpenMP
截至 Xcode 8,Apple 的 Clang 默认关闭 OpenMP 支持。可通过 Homebrew 安装最新的 LLVM 工具链,它支持 OpenMP:
brew install llvm
由于 LLVM 公式是 keg-only(不会装入 /usr/local,以避免与系统 LLVM 冲突),构建时需显式指定:
export LDFLAGS="-L/usr/local/opt/llvm/lib -Wl,-rpath,/usr/local/opt/llvm/lib"
export CPPFLAGS="-I/usr/local/opt/llvm/include"
export PATH="/usr/local/opt/llvm/bin:$PATH"
# 强制 CMake 使用 Homebrew 的 Clang,检测到编译器支持后 OpenMP 会自动启用
cmake -DCMAKE_C_COMPILER=/usr/local/opt/llvm/bin/clang -DCMAKE_CXX_COMPILER=/usr/local/opt/llvm/bin/clang++ ../ceres-solver-1.14.0
make -j3
make test
make install
Windows 构建
Windows 支持 Visual Studio 2013 Release 4 或更新版本。由于缺少官方支持的 SuiteSparse/CXSparse 构建方式,Windows 移植版的特性与测试覆盖度不如 Linux/macOS;且依赖没有自动化安装手段,构建过程相对繁琐。
与 windows.h 的冲突处理
windows.h 在使用 GDI 时定义了 ERROR,与 glog/miniglog 中作为日志级别的 ERROR 定义冲突。两种解决方案:
- 使用 google-glog 并在构建 Ceres 及自有工程时定义
GLOG_NO_ABBREVIATED_SEVERITIES(该方案对 miniglog 无效); - 不需要 GDI 时,在包含 windows.h 之前定义
NOGDI,对 glog 和 miniglog 均适用。
构建步骤
-
建立顶层目录
ceres/,将依赖与源码分别解压为其中的子目录(ceres/eigen、ceres/glog等):- Eigen 3.3:无需构建,解压源码即可;
- google-glog / gflags:打开 Visual Studio 解决方案并构建;
- SuiteSparse / CXSparse(实验性):分别借助第三方移植项目在 Windows 上构建;
-
将 Ceres 解压进
ceres/(得到类似ceres-solver-1.14.0的目录),或用 git checkout 得到ceres-solver.git; -
安装 CMake,建立独立的构建目录
ceres/ceres-bin; -
运行 CMake GUI,选择 Ceres 源码目录与构建目录;
-
第一次 Configure 会失败,需在列出的选项中设置依赖位置:
EIGEN_INCLUDE_DIR_HINTSGLOG_INCLUDE_DIR_HINTS、GLOG_LIBRARY_DIR_HINTSGFLAGS_INCLUDE_DIR_HINTS、GFLAGS_LIBRARY_DIR_HINTS- 可选:
SUITESPARSE_INCLUDE_DIR_HINTS、SUITESPARSE_LIBRARY_DIR_HINTS - 可选:
CXSPARSE_INCLUDE_DIR_HINTS、CXSPARSE_LIBRARY_DIR_HINTS
文档建议优先使用
<NAME>_(INCLUDE/LIBRARY)_DIR_HINTS这类目录提示变量,而不是直接设置<NAME>_INCLUDE_DIR/<NAME>_LIBRARY文件变量,以保留脚本的合法性校验并避免手工指定库文件; -
可能还需调整若干设置,反复 Configure & Generate 直到成功生成 MSVC 工程;
-
在 MSVC 中打开解决方案并构建;运行测试时选择
RUN_TESTS目标并执行 Build RUN_TESTS。
Windows 注意事项
- 默认是 Debug 构建,建议切换为 Release;
- 目前
system_test无法正常工作; - CMake 默认将测试二进制放在
ceres-bin/examples/Debug; - Windows 上支持的求解器为
DENSE_QR、DENSE_SCHUR、CGNR、ITERATIVE_SCHUR。
Android 构建
需要 Android NDK r15 或更高版本,通过指定 NDK 工具链强制 CMake 交叉编译:
cmake \
-DCMAKE_TOOLCHAIN_FILE=$NDK_DIR/build/cmake/android.toolchain.cmake \
-DEIGEN_INCLUDE_DIR=/path/to/eigen/header \
-DANDROID_ABI=armeabi-v7a \
-DANDROID_STL=c++_shared \
-DANDROID_NATIVE_API_LEVEL=android-24 \
-DBUILD_SHARED_LIBS=ON \
-DMINIGLOG=ON \
<PATH_TO_CERES_SOURCE>
- 32 位推荐
armeabi-v7a、64 位推荐arm64-v8a,STL 推荐c++_shared; - API level 可用范围较宽,建议选择适合目标工程的最高的 level;
- 工程与 Ceres 二进制必须使用相同的 API level 与 STL;
- 构建产物为
libceres.so,可在 Android 构建脚本中以PREBUILT_SHARED_LIBRARY目标链接; - 验证示例时,把示例二进制与
libceres.so、NDK 的 STL 库一同放到设备可执行目录(如/data/local/tmp),再执行:
adb shell
cd /data/local/tmp
LD_LIBRARY_PATH=/data/local/tmp ./helloworld
工程中包含的其他求解器与共享依赖同样需要出现在 Android 构建配置与测试目录中。
iOS 构建
需要 iOS 7.0 或更高版本,通过指定 iOS SDK 工具链交叉编译:
cmake \
-DCMAKE_TOOLCHAIN_FILE=../ceres-solver/cmake/iOS.cmake \
-DEIGEN_INCLUDE_DIR=/path/to/eigen/header \
-DIOS_PLATFORM=<PLATFORM> \
<PATH_TO_CERES_SOURCE>
IOS_PLATFORM可取OS(armv7 / armv7s / arm64)、SIMULATOR(i386)或SIMULATOR64(x86_64),可分别构建后用lipo合并为单一静态库;- 更多选项见仓库随附的 cmake/iOS.cmake;
- iOS 11.0+ 要求 64 位架构,因此只能构建 arm64;
- 构建产物为
libceres.a,加入 Xcode 工程即可; - 默认 CMake 配置会构建一个只依赖 Eigen 的精简版 Ceres(若启用 miniglog 会将其编译进 Ceres),足以求解中小规模问题,但不包含
SPARSE_SCHUR、SPARSE_NORMAL_CHOLESKY求解器以及CLUSTER_JACOBI、CLUSTER_TRIDIAGONAL预条件子; - 若使用 LAPACK/BLAS,还需把
Accelerate.framework加入 Xcode 工程的链接依赖。仓库随附的 ceres/CMakeLists.txt 中也对 iOS 平台自动强制MINIGLOG=ON、LAPACK=OFF并关闭示例构建。
定制构建:关键 CMake 选项详解
所有选项既可在 CMake GUI 中设置,也可通过 cmake -D<OPTION>=<ON/OFF> 命令行指定。文档提醒:通过 -D 传值会在每次 configure 开始时强制覆盖缓存中的同名变量,若同时使用 ccmake 交互界面修改,你的手工修改会被 -D 值覆盖——因此除非明确知道后果,一般建议在 GUI 中交互调整,选项不在标准视图时按 t 切换到高级视图。
修改默认编译标志
CMAKE_CXX_FLAGS 用于追加所有构建类型共用的编译标志。例如启用 -march=native(即使 CMAKE_BUILD_TYPE=Release 也默认不启用):
cmake -DCMAKE_CXX_FLAGS="-march=native" <PATH_TO_CERES_SOURCE>
注意 -march=native 会针对编译机器 CPU 调优(如启用 AVX),从而降低二进制可移植性,换机运行可能段错误,且性能收益不保证显著。
控制 Ceres 配置的选项
| 选项 | 默认值 | 说明 |
|---|---|---|
LAPACK |
ON | 开启后若找到 BLAS/LAPACK,Ceres 将直接调用 LAPACK 例程;关闭则不要求二者。注意即使 LAPACK=OFF,若 SUITESPARSE=ON,Ceres 仍可能经 SuiteSparse 间接调用 LAPACK;两者同时开启时,SuiteSparse 与 Ceres 应使用相同的 BLAS/LAPACK |
SUITESPARSE |
ON | 找到 SuiteSparse 及其依赖时默认链接;关闭则不构建 SuiteSparse 支持(注意其部分组件仅 GPL/商业许可) |
CXSPARSE |
ON | 找到全部依赖时默认链接;关闭则不构建 CXSparse 支持(LGPL 许可) |
ACCELERATESPARSE |
ON | 检测到支持稀疏求解的 Apple Accelerate 时默认链接(Apple 系统上 Accelerate 通常同时提供 BLAS/LAPACK,故无论该选项如何都会被链接) |
EIGENSPARSE |
ON | 默认使用 Eigen 的稀疏 Cholesky 分解 |
GFLAGS |
ON | 关闭后不构建 gflags,同时部分示例代码无法构建 |
MINIGLOG |
OFF | 开启后使用随附的精简 glog 实现,去除 glog 依赖 |
SCHUR_SPECIALIZATIONS |
ON | 若在意二进制体积/编译时间,可关闭部分 Schur 模板特化,代价是 SPARSE_SCHUR 求解器损失约 10–20% 性能 |
CERES_THREADING_MODEL |
CXX11_THREADS > OPENMP > NO_THREADS | Ceres 使用的多线程后端,CMake GUI 中会自动过滤为可用子集 |
BUILD_SHARED_LIBS |
OFF | 默认构建静态库;开启则构建动态库 |
EXPORT_BUILD_DIR |
OFF | 开启后把构建目录导出到用户本地 CMake 包注册表,使客户端无需安装即可 find_package(Ceres) |
BUILD_DOCUMENTATION |
OFF | 开启构建文档,需要 Sphinx 及 sphinx-better-theme;也可用 make ceres_docs 只构建文档 |
MSVC_USE_STATIC_CRT |
OFF(仅 Windows) | 默认使用 Visual Studio 的共享 CRT;开启改用静态 CRT |
LIB_SUFFIX |
非 Debian/Arch 的 64 位 Linux 上为 "64",否则为 "" | 库安装目录后缀,安装路径为 ${CMAKE_INSTALL_PREFIX}/lib${LIB_SUFFIX};唯一合理取值是 "" 与 "64",可手动 -DLIB_SUFFIX=<VALUE> 覆盖 |
指定依赖位置
Ceres 使用 find_package 及其随附的 Find<DEPENDENCY_NAME>.cmake 脚本(位于仓库的 cmake 目录,如 FindSuiteSparse.cmake、FindCXSparse.cmake、FindGlog.cmake、FindTBB.cmake、FindAccelerateSparse.cmake)自动搜索各系统标准安装位置。Windows 上脚本可能找不到库,此时需手工指定,两种方式:
- 目录提示变量(
-D传入,GUI 不可见,保留脚本搜索校验):<DEPENDENCY_NAME (CAPS)>_INCLUDE_DIR_HINTS<DEPENDENCY_NAME (CAPS)>_LIBRARY_DIR_HINTS
- 显式指定文件(绕过全部搜索,仍做合法性校验,GUI 标准/高级视图可见):
<DEPENDENCY_NAME (CAPS)>_INCLUDE_DIR<DEPENDENCY_NAME (CAPS)>_LIBRARY
使用自定义 BLAS & LAPACK
若标准 find 脚本找不到所需 BLAS/LAPACK,可用 -DCMAKE_LIBRARY_PATH=<路径> 指定库所在目录;或直接指定 -DBLAS_LIBRARIES=<...> 与 -DLAPACK_LIBRARIES=<...>。
在 CMake 工程中使用 Ceres
客户端代码使用 find_package(Ceres) 的前提是二者其一:
- Ceres 已通过
make install安装;若安装到非标准位置(不在 CMake 默认搜索路径内),需见下方"本地安装"处理; - 或配置 Ceres 时启用了
EXPORT_BUILD_DIR,其构建目录已被导出。
最小集成示例
以编译官方示例 helloworld.cc 为例,独立工程的 CMakeLists.txt 如下:
cmake_minimum_required(VERSION 3.5)
project(helloworld)
find_package(Ceres REQUIRED)
# helloworld
add_executable(helloworld helloworld.cc)
target_link_libraries(helloworld ${CERES_LIBRARIES})
无需手动调用 include_directories(${CERES_INCLUDE_DIRS})——导出的 Ceres CMake target 已封装公共 include 目录,链接即自动包含。若系统存在多个 Ceres 版本,可设置 Ceres_DIR 指定使用哪个:安装场景指向包含 CeresConfig.cmake 的目录(如 /usr/local/share/Ceres),导出场景指向被导出的 Ceres 构建目录。
指定 Ceres 组件(COMPONENTS)
find_package(Ceres) 支持按组件过滤,未指定时任何已检测到的版本都会被报告为 found。可选组件包括:
LAPACK:以LAPACK=ON构建;SuiteSparse:以SUITESPARSE=ON构建;CXSparse:以CXSPARSE=ON构建;AccelerateSparse:以ACCELERATESPARSE=ON构建;EigenSparse:以EIGENSPARSE=ON构建;SparseLinearAlgebraLibrary:至少启用一个稀疏线性代数库(SuiteSparse OR CXSparse OR AccelerateSparse OR EigenSparse);SchurSpecializations:以SCHUR_SPECIALIZATIONS=ON构建;OpenMP:以CERES_THREADING_MODEL=OPENMP构建;Multithreading:使用了任一多线程库(CERES_THREAD != NO_THREADS);C++11:以 C++11 构建。
用法示例——要求找到同时启用 SuiteSparse 与 EigenSparse 的版本:
find_package(Ceres REQUIRED COMPONENTS SuiteSparse EigenSparse)
指定版本
find_package(Ceres 1.2.3 REQUIRED)
本地安装(非标准路径)
find_package(Ceres REQUIRED PATHS "/some/where/local/")
若只有单个 Ceres 且不想安装到系统位置,文档更推荐用 EXPORT_BUILD_DIR 导出而非本地安装——导出版本会被 CMake 自动检测,无需在客户端额外传路径。
理解 CMake 包系统
- 安装或导出 Ceres 时,除头文件与库文件外,还会安装/生成
CeresConfig.cmake(定义CERES_INCLUDE_DIRS、CERES_LIBRARIES)与自动生成的CeresTargets.cmake(定义导入目标ceres)。仓库中的模板见 cmake/CeresConfig.cmake.in; find_package(Ceres)后CERES_LIBRARIES的值就是导入目标ceres的名字,它封装了编译产物(libceres.a/so/dylib)及其全部公共链接依赖。若绕过该目标直接链接libceres,会因缺少公共依赖导致链接错误;- 安装 vs 导出:安装会把库与头文件复制到安装位置;导出则仅把构建目录路径写入用户 CMake 包注册表(Linux/macOS 下为
<USER_HOME>/.cmake/packages),客户端直接使用构建目录中的产物,无需安装; - 导入目标不会被再次导出:若工程 Foo 使用了 Ceres 并被导出,另一个工程 Bar 导入 Foo 时,
ceres导入目标的定义不会随 Foo 一起导出,Bar 只把它当作裸库文件,导致缺少公共链接依赖。解决方案是在FooConfig.cmake中转发调用find_package(Ceres),例如:
# CMake 2.8.x 风格(configure_file 生成的 FooConfig.cmake)
set(CERES_DIR_HINTS @Ceres_DIR@)
if (Foo_FIND_QUIETLY)
find_package(Ceres QUIET HINTS ${CERES_DIR_HINTS})
elseif (Foo_FIND_REQUIRED)
find_package(Ceres REQUIRED HINTS ${CERES_DIR_HINTS})
else ()
find_package(Ceres HINTS ${CERES_DIR_HINTS})
endif()
# CMake 3.x 风格:find_dependency() 自动转发 REQUIRED / QUIET
include(CMakeFindDependencyMacro)
find_dependency(Ceres)
注意 find_dependency() 不接受路径提示,若 Ceres 安装于非标准位置,需先把该位置加入 CMake 搜索列表。
仓库实战:Ceres 在 lidar2imu 自动标定中的落地方式
作为源码子树编译,而非 find_package
与官方文档主推的"安装 + find_package"不同,SensorsCalibration 的 lidar2imu 自动标定工程把 Ceres 作为第三方源码子树直接编入:
- 上游工程 lidar2imu/auto_calib/CMakeLists.txt 中通过
add_subdirectory(ceres)把 Ceres 纳入同一构建,并通过include_directories(SYSTEM ${PROJECT_SOURCE_DIR}/eigen3)与include_directories(${PROJECT_SOURCE_DIR}/ceres/include)引入 Eigen 与 Ceres 头文件,最后以target_link_libraries(${PROJECT_NAME} ... ceres)链接 Ceres 目标(见 CMakeLists.txt); - 仓库随附的 ceres/CMakeLists.txt 开头保留了 "Modified by WANG JIADONG wangjiadong@sensetime.com for adas sdk" 的改动说明,并针对高通平台提供
OPT_BUILD_QCOM交叉编译开关(开启时强制关闭 OpenMP 与 LAPACK),可见该子树已被裁剪适配进 ADAS SDK 的构建体系; - 这种做法的好处与文档所述
EXPORT_BUILD_DIR一脉相承:无需系统安装、版本与构建选项完全由工程锁死,保证标定结果可复现。
标定核心对 Ceres API 的调用链
在 src/calibration.cpp 中,Ceres 被用于姿态表示与增量变换计算:
GetDeltaTrans()通过ceres::AngleAxisToRotationMatrix(R, mat)把轴角增量(roll/pitch/yaw)转成旋转矩阵(见 calibration.cpp);Calibration()按"多轮滑动窗口"策略把序列点云特征(面点/角点)灌入体素地图,每轮用optimizeDeltaTrans()优化 6 自由度增量(3 旋转 + 3 平移),最终输出refined_Tl2i = init_Tl2i * deltaTrans(见 calibration.cpp)。
真正的非线性优化发生在 include/BALM.hpp(Bundle Adjustment LiDAR Mapping 风格):
- 用
ceres::AngleAxisToQuaternion(deltaRPY, deltaQ)将轴角转为四元数作为优化变量; - 构造
ceres::Problem,为每个体素残差项添加AutoDiffCostFunction(自动微分代价函数); - 配置
ceres::Solver::Options,将linear_solver_type设为ceres::DENSE_QR后调用ceres::Solve(options, &problem, &summary),最后用ceres::QuaternionToAngleAxis取回增量(见 BALM.hpp)。
此外 include/optimize.hpp 中还通过 ceres::QuaternionRotatePoint 实现点云旋转、ceres::AutoDiffCostFunction<BalmVoxelEnergy1, 1, 4, 3> 定义残差(1 维残差、4 维四元数参数块 + 3 维平移参数块),这与官方文档推荐的"用自动微分 + 局部参数化构建 Problem"的用法完全一致。文档所讲的 DENSE_QR 求解器也正是 Windows 平台支持的求解器之一,印证了其在嵌入式/受限平台上的适配性。
运行示例
编译完成后(参考 lidar2imu/README.md 的 mkdir -p build && cd build && cmake .. && make),在 auto_calib 目录下运行:
./bin/run_lidar2imu data/top_center_lidar/ data/NovAtel-pose-lidar-time.txt data/gnss-to-top_center_lidar-extrinsic.json
入口程序 src/run_lidar2imu.cpp 会加载 PCD 目录、位姿时间文件和初始外参 JSON(data/gnss-to-top_center_lidar-extrinsic.json),取逆得到 lidar→imu 外参后交给 Calibrator::Calibration() 迭代优化,最终在运行目录写出 refined_calib_imu_to_lidar.txt(含 R、t、deltaTrans 以及逐轮 delta roll/pitch/yaw/tx/ty/tz 明细)。
结语
Ceres Solver 的安装链路(依赖 → 各平台构建 → 选项定制 → CMake 集成)看似繁琐,实则有清晰的脉络:Eigen 是唯一硬性依赖,glog 负责可观测性,SuiteSparse/CXSparse 按问题规模按需取舍,EXPORT_BUILD_DIR 与"源码子树直编"则提供了两种免安装集成的思路。SensorsCalibration 仓库给出了后者的完整范本——把 Ceres 作为受控的三方子树编入 lidar2imu 标定工程,并在 Problem/AutoDiffCostFunction/DENSE_QR 的调用中发挥其非线性优化的全部能力。建议读者在动手构建前,先对照本文的选项表审视自己的目标平台与问题规模,再决定依赖的裁剪粒度。