视觉slam14讲，ch11，错误

最新推荐文章于 2025-07-25 00:47:15 发布
最新推荐文章于 2025-07-25 00:47:15 发布
阅读量259 收藏
点赞数 1
CC 4.0 BY-SA版权
文章标签： 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/pasdingoo/article/details/126912950
本文介绍了解决DBoW3库与不同OpenCV版本之间的兼容性问题的过程。作者通过调整CMakeLists文件中OpenCV的版本设置，最终解决了编译和运行时出现的问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

关于DBoW3，有好几个版本，有的编译完是.a，有的是.so，主要是自己去/usr/local/lib里看是什么，然后去改cmakelist里面版本。

 但是我跑的时候，一直有这个问题，后来改了cmakelist里面opencv版本从3.2到4.5终于跑通了

pasdingoo
关注
【读书笔记】《视觉SLAM十四讲（高翔著）》 第11讲
dahailuoa6的博客
07-02 1559
文章目录1、安装gtsam 本章程序编译运行方法： 1、安装gtsam 本章程序运行前需要安装gtsam，不然会有相关报错。 安装方法： 打开终端，输入以下命令下载gtsam： git clone https://bitbucket.org/gtborg/gtsam.git gtsam的安装文件下载后，会位于所打开终端对应的文件路径下。 安装gtsam之前先安装一项依赖库： sudo apt-g...
视觉slam14讲ch5总结（各种坑）
LW20211020的博客
04-25 5800
1.imageBasics imageBasics.cpp不做修改 CMakeLists.txt project(imageBasics) cmake_minimum_required(VERSION 3.10) add_executable(imageBasics imageBasics.cpp) # 链接OpenCV库 find_package( OpenCV REQUIRED ) #添加头文件 include_directories( ${OpenCV_INCLUDE_DIRS}) targe
视觉SLAM十四讲（第二版）ch11运行./feature_training和./loop_closure结果异常。ubuntu22.04
qq_44403443的博客
10-09 290
ubuntu22.04在运行slambook2中的ch11代码，feature_training输出的结果多了许多数字（还不知道什么原因。并且loop_closure的结果非常不准确，image0 对应的评分最高（除了image0本身）的居然不是image9。至少跟Image0相比评分最高的是image9了，至于为什么具体的评分和书上的不一样，我想是opencv版本不一样，提取的ORB特征有些许差别吧，我想。如果有其他差错，请把build文件夹删了重新编译。
slam14讲 ch11 编译及运行时的错误 （段错误 核心已转储）
weixin_45117856的博客
06-07 1095
slam14讲ch11编译和运行过程中遇到的错误与解决方法
视觉SLAM十四讲ch11实践遇到的问题及解决方案
weixin_58277261的博客
02-22 3101
一、安装 在编译之前先安装DBow3 git clone https://github.com/rmsalinas/DBow3.git 然后cmake流程编译安装 mkdir build cmake .. make -j8 sudo make install 安装结束 二、编译程序 创建build文件夹并进行编译 mkdir build cmake .. make -8 此时出现第一个错误 解决方法 将CMakeLists .txt中的set( DBoW3_LIBS "/us
解决slam14讲CH11中回环检测字典保存的问题（治标不治本）
shizhazha的博客
11-05 186
回环检测字典保存问题。
《视觉SLAM十四讲-第二版-ch11：DBoW3安装及报错处理》
Lebroon的博客
09-20 2134
DBoW3安装包直接使用高博slambook2-master中3rdparty的，然后进行编译，安装，过程如下： cdDBoW3软件包位置 mkdir build cd build cmake .. make -j2 //make-j后面数字视自己电脑配置而定，我一般就是j4 sudo make install 安装成功~ 若是运行程序报错，如下： 则将cmakelist中的libDBoW3.a改为libDBoW3.so即可。 若cmakelist中原来是libDB...
视觉SLAM14讲ch7实践报错
weixin_73487458的博客
01-10 699
保存退出后再次编译，成功。
SLAM14讲CH5 rgbd实践报错踩坑及解决办法
qq_48767743的博客
07-23 593
SLAM14讲CH5，rgbd实践中，按照源代码编译出错，遇到的问题及对应的解决办法如下：
＜视觉SLAM十四讲＞ ch7 视觉里程计1
weixin_40440816的博客
10-08 1412
视觉SLAM十四讲 第七章
slam十四讲第二版ch12所需数据集
12-27
在描述中提到的"slam十四讲第二版ch12所需数据集"可能包含了用于演示或练习SLAM算法的各种数据。例如，这些数据可能来自公开的SLAM数据集，如Kitti、TUM RGB-D或EuRoC MAV。Kitti数据集主要用于自动驾驶汽车的SLAM...
[学习笔记-SLAM篇]视觉SLAM十四讲ch11
warningm_dm的博客
08-12 796
冲冲冲，胜利就在眼前（虽然这本书大概会反复学习）。 视觉SLAM十四讲第11讲11.1 理论部分11.2 实践部分 第11讲 11.1 理论部分 回环检测，虽然说和视觉里程计有些联系，但一般还是比较独立的。 1）回环检测 回环检测一般用于消除累积误差，构建全局一致的轨迹和地图，也在重定位模块中得到重要应用。 一般有2种方法：① 基于里程计的几何关系，② 基于外观的几何关系。目前常用的是基于外观的方法，主要通过两幅图像的相似性确定回环检测关系。 计算图像的相似性，一般是计算图像的相似性评分。该评分主要与准确
SLAM14讲ch11代码实践部分
m0_51461473的博客
12-08 900
ch11所遇问题及解决方法。
slam14讲报错大讲堂
qq_29876847的博客
07-17 1866
slam的一些常见错误，基于14讲
视觉SLAM十四讲 报错 No rule to make target ‘/usr/local/lib/libDBoW3.a‘, needed by ‘gen_vocab‘.
CSSDCC的博客
03-09 1851
视觉SLAM十四讲 报错 No rule to make target '/usr/local/lib/libDBoW3.a', needed by 'gen_vocab'.1. 问题2. 原因3. 解决方案 1. 问题 在编译高博的视觉SLAM十四讲ch11的feature_training.cpp时，编译报错： make[2]: *** No rule to make target '/usr/local/lib/libDBoW3.a', needed by 'gen_vocab'. Stop.
slam十四讲代码调试部分问题解决
weixin_43907136的博客
12-02 1421
slam十四讲代码运行汇总，解决部分不兼容报错
“段错误 (核心已转储) ”一种可能原因及其解决方法
热门推荐
大海蓝天的专栏
11-20 10万+
终端在运行的时候总是出现 “段错误 (核心已转储) ” 栈空间用来存储数组等数据，那么段错误就应该是我存储的数组超过了它所在段的大小，于是在的程序执行的过程中一到跟大数组相关的步骤就会出现段错误的提示（SIGSEGV: Segmentation fault）。      linux下应用  ulimit -a 命令查看当前栈空间大小，得到：      8012        
TASK02【datawhale组队学习】视觉感知与手眼协调，计算机视觉在机器人中应用，手眼标定算法实现，深度估计与3D重建
m0_52024881的博客
07-22 749
参考教程AI硬件与机器人技术教程:https://github.com/datawhalechina/ai-hardware-robotics视觉感知与手眼协调，计算机视觉在机器人中应用，手眼标定算法实现，深度估计与3D重建单目深度估计 (Monocular Depth Estimation)DPT 的全称是 Dense Prediction Transformer。
【打怪升级 - 03】YOLO11/YOLO12/YOLOv10/YOLOv8 完全指南：从理论到代码实战，新手入门必看教程
最新发布
qq_42910179的博客
07-25 553
新的骨干网络：采用更高效的特征提取网络，在减少计算量的同时提升特征表达能力改进的颈部结构：优化了特征融合机制，增强了多尺度特征处理能力优化的损失函数：提高了模型对小目标和遮挡目标的检测能力动态锚框机制：根据不同数据集自动调整锚框参数，提升检测精度YOLO12 则引入了一种以注意力为中心的架构，它不同于以往YOLO 模型中使用的基于 CNN 的传统方法，但仍保持了许多应用所必需的实时推理速度。该模型通过对注意力机制和整体网络架构进行新颖的方法创新，实现了最先进的物体检测精度，同时保持了实时性能。
视觉slam14讲ch9报错
07-15
在视觉SLAM14讲第9章的代码实现中，用户常遇到的问题包括编译错误、运行时崩溃、以及优化结果不一致等。以下是常见报错及其解决方案： ### 1. **g2o_viewer无法打开或显示空白** - **问题描述**：运行`g2o_viewer ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值