RealSense-ROS中libwebp.so.6缺失问题的解决方案
问题背景
在使用Intel RealSense深度相机时,部分用户在Ubuntu 22.04系统上运行ROS2节点时可能会遇到"Could not load library dlopen error: libwebp.so.6"的错误提示。这个问题通常出现在安装了librealsense SDK 2.55.1版本和ROS2 wrapper 4.55.1版本的环境中。
错误现象
当用户尝试通过以下命令启动RealSense ROS2节点时:
ros2 run realsense2_camera realsense2_camera_node
或者使用launch文件启动时:
ros2 launch realsense2_camera rs_launch.py
系统会抛出异常,提示无法加载libwebp.so.6共享库文件。值得注意的是,此时RealSense Viewer工具可以正常工作,只有ROS2节点受到影响。
问题原因分析
Ubuntu 22.04系统默认提供的libwebp库版本为7.x,而ROS2 wrapper在编译时可能链接了较旧的libwebp 6.x版本。这种版本不匹配导致动态链接器无法找到所需的库文件。
解决方案
方法一:创建符号链接
最直接的解决方法是创建一个从现有libwebp库到所需版本的符号链接:
-
首先确认系统中已安装的libwebp版本:
ls /usr/lib/x86_64-linux-gnu/libwebp* -
创建符号链接(假设已安装libwebp.so.7):
sudo ln -s /usr/lib/x86_64-linux-gnu/libwebp.so.7 /usr/lib/x86_64-linux-gnu/libwebp.so.6
方法二:重新编译ROS2 wrapper
另一种更规范的做法是重新编译ROS2 wrapper,确保其链接到系统中可用的库版本:
- 进入ROS2工作空间
- 执行以下命令重新编译RealSense ROS2包:
colcon build --packages-select realsense2_camera
验证解决方案
完成上述任一方法后,可以再次尝试启动ROS2节点,确认错误是否已解决。如果问题仍然存在,建议检查以下方面:
- 确认librealsense SDK和ROS2 wrapper版本匹配
- 检查系统环境变量LD_LIBRARY_PATH是否包含正确的库路径
- 确保所有依赖项都已正确安装
总结
在Ubuntu 22.04上使用RealSense ROS2 wrapper时遇到的libwebp.so.6缺失问题,通常是由于系统库版本与软件预期版本不匹配所致。通过创建符号链接或重新编译wrapper包,可以有效解决这一问题。建议用户优先考虑重新编译的方法,因为它能确保系统的一致性和长期稳定性。
对于RealSense用户来说,保持SDK和ROS wrapper版本的匹配,以及及时更新系统依赖库,是避免类似问题的有效预防措施。
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