cmake:基础

概述

教程

目标

  • 学习cmake搭工程的能力
  • cmake多平台多ide的使用

预备

分离式编译

https://www.cnblogs.com/HDK2016/p/10591690.html
阅读了上面的程序就会对cpp程序的分离式编译的过程有深入理解:

  • 在编译过程中.h的头文件并没有什么用!只是作为隐式链接的时候的桥梁。

debug

生成带有调试信息的可执行程序
https://blog.51cto.com/u_15244533/2845274

学习

linux下完成教程,并仿照助教的项目完成自己的项目的搭建。

像这样底层工具的高级替代的学习,还是先从原理去理解,然后自己模仿,然后自己灵活定制

cmake的简单介绍

下面是对cmake的简单介绍

  1. cmake中project的主要是target构成。比如说:.exe,.dll,静态链接库,纯头文件的库等等。为了别人能够使用你的库,你要install你的project。
  2. 每个target包含了三个主要的部分:
    在这里插入图片描述
  • src:各种各样的源文件,比如说.h,.cpp这些最经典的(.h自己的项目的即当前目录下#include " .h")。
  • inc:程序里面现需要包含的头文件(理解为#include < .h>)
  • lib:静态库
  1. install这个就先不看了。
    在这里插入图片描述

例子

这个例子是使用cmake-gui生成project对应的solution。且generatorvisual studio 2019.

  1. 生成project对应的solution(下面仅仅只是展示,与下文的project没有关系)
    在这里插入图片描述
  2. vs2019打开solution后:

在这里插入图片描述
可以看到solution一共有19个project,每个project代表一个traget。如UESC_test_的project对应于生成exe文件,而UESC_core则对应一个静态库文件。
以projectUES_core为例现在可以看到每个traget对应的三个部分。

  • src
    在这里插入图片描述

  • inc
    在这里插入图片描述

  • lib
    在这里插入图片描述

cmake for vs

在cmake-gui下生成的solution到底是什么!上面的例子给了详细的阐述。现在应该是了解了cmake的整个的过程。

cmake for vscode

https://vector-of-bool.github.io/docs/vscode-cmake-tools/index.html

https://blog.nowcoder.net/n/8d95a85ddfb147fdbd096bcf16e1047e?from=nowcoder_improve

linux下cmake的update

https://www.jianshu.com/p/1cb0eabed559

【数据驱动】【航空航天结构的高效损伤检测技术】一种数据驱动的结构健康监测(SHM)方法,用于进行原位评估结构健康状态,即损伤位置和程度,在其中利用了选定位置的引导式兰姆波响应(Matlab代码实现)内容概要:本文介绍了一种基于数据驱动的结构健康监测(SHM)方法,利用选定位置的引导式兰姆波响应对航空航天等领域的结构进行原位损伤检测,实现对损伤位置与程度的精确评估,相关方法通过Matlab代码实现,具有较强的工程应用价值。文中还提到了该技术在无人机、水下机器人、太阳能系统、四轴飞行器等多个工程领域的交叉应用,展示了其在复杂系统状态监测与故障诊断中的广泛适用性。此外,文档列举了大量基于Matlab/Simulink的科研仿真资源,涵盖信号处理、路径规划、机器学习、电力系统优化等多个方向,构成一个综合性科研技术支持体系。; 适合人群:具备一定Matlab编程基础,从事航空航天、结构工程、智能制造、自动化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于航空航天结构、无人机机体等关键部件的实时健康监测与早期损伤识别;②结合兰姆波信号分析与数据驱动模型,提升复杂工程系统的故障诊断精度与可靠性;③为科研项目提供Matlab仿真支持,加速算法验证与系统开发。; 阅读建议:建议读者结合文档提供的Matlab代码实例,深入理解兰姆波信号处理与损伤识别算法的实现流程,同时可参考文中列出的多种技术案例进行横向拓展学习,强化综合科研能力。
【无人机论文复现】空地多无人平台协同路径规划技术研究(Matlab代码实现)内容概要:本文围绕“空地多无人平台协同路径规划技术”的研究展开,重点在于通过Matlab代码实现对该技术的论文复现。文中详细探讨了多无人平台(如无人机与地面车辆)在复杂环境下的协同路径规划问题,涉及三维空间路径规划、动态避障、任务分配与协同控制等关键技术,结合智能优化算法(如改进粒子群算法、遗传算法、RRT等)进行路径求解与优化,旨在提升多平台系统的协作效率与任务执行能力。同时,文档列举了大量相关研究主题,涵盖无人机控制、路径规划、多智能体协同、信号处理、电力系统等多个交叉领域,展示了该方向的技术广度与深度。; 适合人群:具备一定Matlab编程基础和路径规划背景的研究生、科研人员及从事无人机、智能交通、自动化等相关领域的工程技术人员。; 使用场景及目标:①用于学术论文复现,帮助理解空地协同路径规划的核心算法与实现细节;②支撑科研项目开发,提供多平台协同控制与路径优化的技术参考;③作为教学案例,辅助讲授智能优化算法在无人系统中的实际应用。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点关注算法实现流程与参数设置,同时可参照文中列出的其他相关研究方向拓展技术视野,建议按目录顺序系统学习,并充分利用网盘资源进行仿真验证。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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