ohm 的安装和配置教程
2025-05-22 14:26:57作者:柏廷章Berta
项目基础介绍和主要编程语言
ohm 是一个由CSIRO(澳大利亚联邦科学和工业研究组织)的机器人学团队开发的库,它提供了一个概率性的体素占用图,支持基于GPU的快速填充和操作,以及正态分布变换的语义。ohm库定义了一个由同质体素组成的占用图,这些体素以连续的内存块排列。这种同质体素布局,而不是八叉树布局,支持使用OpenCL和CUDA在GPU上进行快速的地图填充。ohm的主要编程语言是C++,它使用了一些现代C++特性,如C++14。
项目使用的关键技术和框架
- OpenCL/CUDA: ohm支持使用OpenCL和CUDA进行GPU加速。OpenCL主要用于跨平台的GPU计算,而CUDA是NVIDIA推出的并行计算平台和编程模型。
- CMake: 项目的构建系统使用CMake,这是一个跨平台的安装(编译)工具,能够生成适合不同编译器的Makefile。
- OpenGL Mathematics (GLM): 用于3D数据类型的数学库。
- ZLib: 用于序列化压缩。
- Googletest: 用于构建单元测试。
项目安装和配置的准备工作
在开始安装ohm之前,您需要确保您的系统已经安装了以下依赖项:
- C++14兼容的编译器,如GCC 5.7、Visual Studio 15 2017或APPLE LLVM 9.1。
- OpenCL 1.2或2.0 SDK(如果运行在NVIDIA硬件上,则必须使用1.2版本)。
- OpenCL 1.2运行时环境,OpenCL 2.x版本也受支持(可通过命令行选择)。
- CUDA 10(如果使用CUDA)。
- CMake。
- OpenGL Mathematics (GLM)。
- ZLib。
- 可选的第三方库,如3rd Eye Scene、Doxygen、Eigen3、Intel Threading Building Blocks、GLEW、GLFW、libpng和PDAL。
对于Ubuntu系统,您可以使用以下命令安装所需的包:
sudo apt install cmake zlib1g-dev libglm-dev googletest
对于OpenCL的设置,需要更详细的指导(请参考相关文档)。CUDA的设置指导可以在NVIDIA CUDA Zone找到。
安装可选的第三方库可以使用以下命令:
sudo apt install libtbb-dev libpdal-dev doxygen
可选的库用于高度图生成和图像转换:
sudo apt install libglew-dev libglfw3-dev libpng-dev libeigen3-dev
详细的安装步骤
-
下载源代码到您的计算机。
-
安装所有必需的依赖项。
-
配置项目。创建一个名为
build的子目录,并进入这个目录。 -
执行以下命令:
cmake ..
对于Visual Studio的配置,您可以包含选项-G Visual Studio 15 2017 Win64。
-
构建项目:
- 对于Visual Studio,打开解决方案文件并构建。
- 对于基于make的平台,运行
make -j。
-
如果您想使用vcpkg来构建ohm,请先遵循vcpkg的安装说明,然后使用vcpkg工具链启用。
确保在安装过程中定义了OHM_EMBED_GPU_CODE,否则在运行ohmocl时会找不到OpenCL源代码。如果您在Windows上使用VSCode和Ninja生成器时遇到nvcc命令太长的问题,可以通过更改到一个“未指定”的CMake Kit或使用一个较短的PATH环境变量来启动VSCode来尝试解决。
以上步骤将帮助您顺利安装和配置ohm项目。
登录后查看全文
热门项目推荐
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
9
Ascend Extension for PyTorch
Python
213
226
暂无简介
Dart
659
150
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++
656
293
🎉 (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
1.17 K
644
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
489
React Native鸿蒙化仓库
JavaScript
251
320
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
79
104
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216
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