在Ubuntu24.04中配置開源直線特征提取軟件DeepLSD

本文提供在Ubuntu24.04中配置開源直線特征提取軟件DeepLSD的基礎環境配置、列出需要修改的文件內容，以及報錯解決方案集錦。

基礎的編譯安裝環境

• python3.8.12
• CUDA12
• gcc/g++ 9.5（系統自帶的g++-13版本太新，會產生額外編譯錯誤）

切換系統默認的gcc/g++版本

Ubuntu24中可以使用update-alternatives命令指定系統當前的gcc/g++版本，命令如下：

sudo apt-get install gcc-9 g++-9
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 9
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-9 9
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-13 13
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-13 13
sudo update-alternatives --config gcc
sudo update-alternatives --config g++

上述命令首先安裝gcc-9 g+±9，然后利用--install參數將系統中的兩個版本的gcc/g++各自標記為"9"/“13”，最后利用--config選擇gcc/g++ 9為默認版本。

安裝glog、gflags

DeepLSD全功能中用到了glog和gflags兩個庫，使用如下命令安裝：

sudo apt-get install libgoogle-glog-dev libgflags-dev

編譯ceres

ceres solver除了依賴glog和gflags之外，還依賴ATLAS（BLAS和LAPACK）、Eigen和SuiteSparse
因此為編譯ceres，還需要運行以下命令安裝這些依賴：

sudo apt-get install libatlas-base-dev
sudo apt-get install libeigen3-dev
sudo apt-get install libsuitesparse-dev

后續安裝命令：

wget -O ceres-solver-2.2.0.tar.gz http://ceres-solver.org/ceres-solver-2.2.0.tar.gz
tar zxf ceres-solver-2.2.0.tar.gz
mkdir ceres-bin
cd ceres-bin
cmake ../ceres-solver-2.2.0
make -j3
make test
sudo make install

編譯OpenCV-Contrib

依賴OpenCV的線提取模塊，因此需要編譯OpenCV和Contrib。

否則將報錯：

DeepLSD/third_party/pytlbd/src/LineBandDescriptor.cpp:9:10: fatal error: opencv2/line_descriptor.hpp: No such file or directory
9 | #include <opencv2/line_descriptor.hpp>
| ^~~~~~~~~~~~~~~~~~~~~~~~~~~~~
compilation terminated.
gmake[2]: *** [CMakeFiles/tlbd.dir/build.make:79: CMakeFiles/tlbd.dir/src/LineBandDescriptor.cpp.o] Error 1
gmake[1]: *** [CMakeFiles/Makefile2:185: CMakeFiles/tlbd.dir/all] Error 2
gmake: *** [Makefile:146: all] Error 2

以opencv4.11.0版本為例，編譯命令為：

wget -O https://github.com/opencv/opencv/archive/refs/tags/4.11.0.zip
wget -O opencv_contrib.zip https://github.com/opencv/opencv_contrib/archive/4.11.0.zip
unzip opencv_contrib.zip
mkdir opencv_build
cd opencv_build/
conda activate DeepLSD
cmake -DOPENCV_EXTRA_MODULES_PATH=../opencv_contrib-4.11.0/modules ../opencv-4.11.0
make
sudo make install

源碼修改

解決報錯：error: ‘unordered_map’ in namespace ‘std’ does not name a template type

修改以下兩個文件：

• flann_neighborhood_graph.h
• neighborhood_graph.h

在這兩個文件的開頭包含<unordered_map>

解決報錯：error: ‘clamp’ is not a member of ‘std’

在VSCode中搜索包含std::clamp的文件。在所有調用std::clamp的文件開頭加上包含語句#include <algorithm>。需要修改的文件包括（可能也不限于）：

DeepLSD/third_party/progressive-x/examples/cpp_example.cpp
DeepLSD/third_party/progressive-x/graph-cut-ransac/src/pygcransac/include/GCRANSAC.h
DeepLSD/third_party/progressive-x/graph-cut-ransac/src/pygcransac/include/estimators/essential_estimator.h
DeepLSD/third_party/progressive-x/graph-cut-ransac/src/pygcransac/include/estimators/estimator.h
DeepLSD/third_party/progressive-x/graph-cut-ransac/src/pygcransac/include/estimators/fundamental_estimator.h
DeepLSD/third_party/progressive-x/graph-cut-ransac/src/pygcransac/include/estimators/perspective_n_point_estimator.h
DeepLSD/third_party/progressive-x/graph-cut-ransac/src/pygcransac/include/estimators/solver_p3p.h

除此之外，還要修改.cmake文件的配置使用c++17標準編譯，詳見下節。

更改cmake配置

將以下兩個文件：
DeepLSD/third_party/progressive-x/lib/pybind11/tools/pybind11Tools.cmake
DeepLSD/third_party/progressive-x/graph-cut-ransac/lib/pybind11/tools/pybind11Tools.cmake

關于設置PYBIND11的c++語言標準部分改為：

function(select_cxx_standard)if(NOT MSVC AND NOT PYBIND11_CPP_STANDARD)check_cxx_compiler_flag("-std=c++17" HAS_CPP17_FLAG)check_cxx_compiler_flag("-std=c++11" HAS_CPP11_FLAG)if (HAS_CPP17_FLAG)set(PYBIND11_CPP_STANDARD -std=c++17)elseif (HAS_CPP11_FLAG)set(PYBIND11_CPP_STANDARD -std=c++11)else()message(FATAL_ERROR "Unsupported compiler -- pybind11 requires C++11 support!")endif()set(PYBIND11_CPP_STANDARD ${PYBIND11_CPP_STANDARD} CACHE STRING"C++ standard flag, e.g. -std=c++11 or -std=c++14. Defaults to latest available." FORCE)endif()

刪除CMakeCache.txt，重新運行bash install.sh，即可。

CMake最低版本更改

在VSCode中打開DeepLSD文件夾，搜索如下的表達式（正則）：

將cmake_minimum_required(VERSION 2.*)或cmake_minimum_required(VERSION 2.8.12)
改為
cmake_minimum_required(VERSION 3.11)

將3.x版本都改為3.11：
搜索：cmake_minimum_required(VERSION 3.[0-5])
替換為：cmake_minimum_required(VERSION 3.11)

報錯解決集錦

忽略 /opt/anaconda3 目錄及其子目錄

Anaconda3中存在一些庫如glog/gflags甚至gdal等，可能在cmake配置過程中被當作最高優先級的鏈接目標，而這是不對的。因此，如果出現鏈接錯誤“GLIBCXX_3.4.30”類似的錯誤：

libopencv_core : undefined reference to std::condition_variable::wait(std::unique_lockstd::mutex&)@GLIBCXX_3.4.30’
std::condition_variable::wait(std::unique_lockstd::mutex&)@GLIBCXX_3.4.30’

則考慮在報錯的項目的CMakeLists.txt中添加下面的語句以忽略Anaconda的庫目錄：

list(APPEND CMAKE_IGNORE_PATH "/opt/anaconda3")

fatal error: arlsmat.h: 沒有那個文件或目錄 #include ＜arlsmat.h＞

sudo apt install libarpack*

OSError: CUDA_HOME environment variable is not set. Please set it to your CUDA install root.

一般由于沒有安裝CUDA導致。運行以下命令安裝CUDA：

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-keyring_1.0-1_all.deb
sudo dpkg -i cuda-keyring_1.0-1_all.deb
sudo apt-get update
sudo apt-get -y install cuda

python38/bin/…/lib/libstdc++.so.6: version `GLIBCXX_3.4.30’ not found

編譯完成后在運行時可能會產生此錯誤。DeepLSD編譯鏈接時所使用的是系統的libstdc++.so.6，而python運行時加載了Anaconda自帶的libstdc++.so.6，其版本比系統的libstdc++.so.6舊，所以找不到符號。

首先，運行下面命令確定系統的libstdc++.so.6具有GLIBCXX_3.4.30版本：

strings /usr/lib/x86_64-linux-gnu/libstdc++.so.6 | grep GLIBCXX

如果命令行的輸出有此版本，則刪除python38/bin/…/lib/libstdc++.so.6，并創建符號鏈接：

rm  ~/miniconda3/envs/python38/lib/libstdc++.so.6
ln -sf  /usr/lib/x86_64-linux-gnu/libstdc++.so.6 ~/miniconda3/envs/python38/lib/libstdc++.so.6