解决osgEarth构建时Lerc子模块缺失问题
2025-07-10 04:12:22作者:柏廷章Berta
问题背景
在使用CMake构建osgEarth 3.7.2项目时,开发者遇到了一个常见的构建错误。错误信息显示CMake无法找到Lerc库的源文件BitMask.cpp,导致无法生成构建文件。这个问题通常发生在没有正确初始化项目子模块的情况下。
问题分析
osgEarth项目依赖多个第三方库,其中Lerc(Limited Error Raster Compression)是一个用于高效压缩栅格数据的库。为了管理这些依赖关系,osgEarth使用Git的子模块功能来包含这些第三方库。
当开发者直接克隆主仓库而没有递归克隆子模块时,这些依赖库的源代码不会自动下载到本地,从而导致CMake配置阶段无法找到必要的源文件。
解决方案
方法一:初始克隆时包含子模块
最推荐的做法是在首次克隆osgEarth仓库时就包含所有子模块:
git clone --recurse-submodules https://github.com/gwaldron/osgearth.git
这个命令会递归地克隆主仓库和所有子模块,确保所有依赖项都完整下载。
方法二:后期补充子模块
如果已经克隆了仓库但没有包含子模块,可以执行以下命令来初始化并更新子模块:
git submodule update --init --recursive
这条命令会:
- 初始化本地配置文件中的子模块
- 递归地克隆所有缺失的子模块
- 检出父项目中指定的子模块提交
构建注意事项
- 构建顺序:确保先构建依赖项(如OSG),再构建osgEarth
- 路径设置:CMake配置时需要正确设置依赖项的安装路径
- 工具链:使用vcpkg时需要正确指定工具链文件位置
- 构建类型:根据需要选择Debug或Release构建
总结
osgEarth项目通过Git子模块管理第三方依赖,这是现代开源项目的常见做法。开发者需要特别注意子模块的初始化问题,特别是在Windows环境下使用CMake构建时。正确初始化子模块后,构建过程中关于Lerc库源文件缺失的错误将得到解决。
对于使用复杂开源项目的开发者来说,理解并掌握Git子模块的使用方法是必备技能,这有助于避免类似构建问题的发生。
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥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
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137