ubuntu配置CUDA|cuda

问题

  • Ensure there is enough space in /tmp and that the installation package is not corrupt

刚开始安装./cuda_12.1.1_530.30.02_linux.run时， /所在的/dev/sdb7所剩空间越来越小，最终安装失败，提示 Ensure there is enough space in /tmp and that the installation package is not corrupt。 所以必须先扩展/所在的硬盘容量

按这个步骤安装，一般不会出问题: ubuntu18.04上cuda及cudnn安装

交叉编译 PCL|cmake/qmake

在x86架构的Ubuntu22.04交叉编译PCL源码，以能在ARM aarch64系统上运行，也就是全志MR527的TinaLinux 5.15.123 aarch64

先看完成的状态，也就是ARM平台的PCL库文件链接关系:

libpcl_kdtree.so

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
ldd  /usr/lib/aarch64-linux-gnu/libpcl_kdtree.so
    linux-vdso.so.1 (0x0000ffff8d240000)

    libpcl_common.so.1.10 => /lib/aarch64-linux-gnu/libpcl_common.so.1.10 (0x0000ffff8cfb7000)
    liblz4.so.1 => /lib/aarch64-linux-gnu/liblz4.so.1 (0x0000ffff8cf89000)


    libstdc++.so.6 => /lib/aarch64-linux-gnu/libstdc++.so.6 (0x0000ffff8cda4000)
    libgomp.so.1 => /lib/aarch64-linux-gnu/libgomp.so.1 (0x0000ffff8cd56000)
    libgcc_s.so.1 => /lib/aarch64-linux-gnu/libgcc_s.so.1 (0x0000ffff8cd32000)
    libc.so.6 => /lib/aarch64-linux-gnu/libc.so.6 (0x0000ffff8cbbf000)
    /lib/ld-linux-aarch64.so.1 (0x0000ffff8d210000)
    libm.so.6 => /lib/aarch64-linux-gnu/libm.so.6 (0x0000ffff8cb14000)
    libpthread.so.0 => /lib/aarch64-linux-gnu/libpthread.so.0 (0x0000ffff8cae3000)
    libdl.so.2 => /lib/aarch64-linux-gnu/libdl.so.2 (0x0000ffff8cacf000)

libpcl_common.so

1
2
3
4
5
6
7
8
9
10
ldd  /usr/lib/aarch64-linux-gnu/libpcl_common.so
    linux-vdso.so.1 (0x0000ffff975e8000)
    libstdc++.so.6 => /lib/aarch64-linux-gnu/libstdc++.so.6 (0x0000ffff972d0000)
    libm.so.6 => /lib/aarch64-linux-gnu/libm.so.6 (0x0000ffff97225000)
    libgomp.so.1 => /lib/aarch64-linux-gnu/libgomp.so.1 (0x0000ffff971d7000)
    libgcc_s.so.1 => /lib/aarch64-linux-gnu/libgcc_s.so.1 (0x0000ffff971b3000)
    libpthread.so.0 => /lib/aarch64-linux-gnu/libpthread.so.0 (0x0000ffff97182000)
    libc.so.6 => /lib/aarch64-linux-gnu/libc.so.6 (0x0000ffff9700f000)
    /lib/ld-linux-aarch64.so.1 (0x0000ffff975b8000)
    libdl.so.2 => /lib/aarch64-linux-gnu/libdl.so.2

交叉编译 PCL

在终端找到/opt/cmake/bin，启动cmake-gui，这里是新安装的cmake 3.27. 选择PCL的源码目录和build目录，选择交叉编译平台。没有显示需求，所以cmake-gui不需要选择 OpenGL和VTK

The C compiler identification is unknown

既然是交叉编译，那就得用跨平台的编译器，注意在启动cmake-gui的终端要提前设置环境变量:

1
2
3
4
5
export ARCH=arm64
export TOOLCHAIN_PATH=/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu
export LD_LIBRARY_PATH=/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/lib/x86_64-linux-gnu:$LD_LIBRARY_PATH 
export CROSS_COMPILE=/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/bin/aarch64-linux-gnu-

不重要的报警

configure PCL时出现的部分信息，可以无视

1
2
3
4
Could NOT find PkgConfig (missing: PKG_CONFIG_EXECUTABLE)                 # OMIT
Could NOT find LIBUSB_1 (missing: LIBUSB_1_LIBRARY LIBUSB_1_INCLUDE_DIR)  # OMIT
Could NOT find ZLIB (missing: ZLIB_LIBRARY ZLIB_INCLUDE_DIR) 
Could NOT find PNG (missing: PNG_LIBRARY PNG_PNG_INCLUDE_DIR)

编译的过程中，发现需要处理Boost, Flann, lz4, hdf5等库，它们也需要交叉编译。

交叉编译Boost

PCL需要Boost，cmake时会提示无法找到Boost的错误，不是本机的x86 Boost，是aarch64的Boost，也就是说需要交叉编译Boost。

下载Boost1.74源码，找到bootstrap.sh，然后执行

1
./bootstrap.sh  --with-libraries=system,filesystem,thread,date_time,iostreams --with-toolset=gcc

修改project-config.jam文件，把using gcc部分修改为
using gcc : arm : /home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/bin/aarch64-linux-gnu-gcc ;

找到gcc.jam文件，在430行左右，增加一行

1
2
3
4
5
6
# On Windows, fPIC is the default, and specifying -fPIC explicitly leads
# to a warning.
local non-windows = [ set.difference $(all-os) : cygwin windows ] ;
compile-link-flags <link>shared/<target-os>$(non-windows) : -fPIC ;
# 增加下面这行
compile-link-flags <link>static/<target-os>$(non-windows) : -fPIC ;

此步骤的主要目的是打开-fPIC，避免PCL在编译时找不到boost库的.a文件

进行编译并安装boost:

1
sudo ./b2 cxxflags=-fPIC cflags=-fPIC -a install

编译时可能会报错: error while loading shared libraries: libisl.so.22: cannot open shared object file: No such file

将交叉编译的toolschain地址的这几个库文件都复制到/usr/lib/x86_64-linux-gnu: libctf-arm64.so.0, libopcodes-2.34-arm64.so, libbfd-2.34-arm64.so, libisl.so.22。 如果没报错就不用了。

编译结束，我把生成的Boost库的文件都放到了/usr/local/lib。也就是/usr/lib/x86_64-linux-gnu中的libboost开头的库文件仍是x86的，/usr/local/lib中的libboost开头的库文件是AArch64架构。对于ARM的so库文件，在x86上用ldd命令查看会出现 not a dynamic executable

修改PCL中的pcl_find_boost.cmake文件

1
2
3
4
set(Boost_DIR  "/usr/lib/x86_64-linux-gnu/cmake")
 # Required boost modules
set(BOOST_REQUIRED_MODULES filesystem date_time iostreams system)
find_package(Boost 1.74.0 REQUIRED COMPONENTS ${BOOST_REQUIRED_MODULES})

lz4 1.9.1 arm64版本的交叉编译

下载源码后执行

1
2
3
make CC=/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/bin/aarch64-linux-gnu-gcc
mkdir lz4_arm
make install PREFIX=$(pwd)/lz4_arm

运行ldconfig， 出现 /sbin/ldconfig.real: /lib/x86_64-linux-gnu/liblz4.so.1 is not a symbolic link

运行file /lib/liblz4.so，出现liblz4.so: broken symbolic link to liblz4.s

目前解决: 把地平线x3M的 /lib/liblz4.so 和 /lib/liblz4.so.1 复制到我的本机的 /lib目录， /usr/lib/x86_64-linux-gnu的几个 liblz4.so 仍然是 x86 平台。

hdf5的问题

编译flann时，链接hdf5出错

1
2
3
/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/bin/../lib/gcc-cross/aarch64-linux-gnu/9/../../../../aarch64-linux-gnu/bin/ld:   /usr/lib/x86_64-linux-gnu/hdf5/serial/libhdf5.so:   error adding symbols: file in wrong format

collect2: error: ld returned 1 exit status

显然需要的是ARM的hdf5，这个库的交叉编译特别麻烦，最后解决方法是从一台ARM平台的主机上找到 hdf5文件夹，放到了 /usr/lib/x86_64-linux-gnu

如果交叉编译hdf5，参考:

  1. 使用cmake-gui进行configure和generate,第一次configure会失败,重新configure即可
  2. 进行make,两次,编译失败
  3. 拷贝bin/H5detect bin/H5make_libsettings libhdf5.settings到arm平台
  4. 在arm平台修改文件执行权限,执行H5detect和H5make_libsettings,把程序输出分别保存到H5Tinit.c和H5lib_settings.c
  5. 拷贝H5Tinit.c和H5lib_settings.c到主机的编译目录下,继续编译

交叉编译flann库

在一台ARM平台的设备上，flann库文件是这样的

1
2
3
4
5
6
7
8
9
/usr/lib/aarch64-linux-gnu/libflann.so
/usr/lib/aarch64-linux-gnu/libflann.so.1.9
/usr/lib/aarch64-linux-gnu/libflann.so.1.9.1

/usr/lib/aarch64-linux-gnu/libflann_cpp.so
/usr/lib/aarch64-linux-gnu/libflann_cpp.so.1.9
/usr/lib/aarch64-linux-gnu/libflann_cpp.so.1.9.1
/usr/lib/aarch64-linux-gnu/libflann_cpp_s.a
/usr/lib/aarch64-linux-gnu/libflann_s.a

链接关系:
libflann.so
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
ldd /usr/lib/aarch64-linux-gnu/libflann.so
    linux-vdso.so.1 (0x0000ffff85887000)
    libstdc++.so.6 => /lib/aarch64-linux-gnu/libstdc++.so.6 (0x0000ffff8511b000)
    libm.so.6 => /lib/aarch64-linux-gnu/libm.so.6 (0x0000ffff85070000)
    # 缺
    libgomp.so.1 => /lib/aarch64-linux-gnu/libgomp.so.1 (0x0000ffff85022000)

    libgcc_s.so.1 => /lib/aarch64-linux-gnu/libgcc_s.so.1 (0x0000ffff84ffe000)
    libc.so.6 => /lib/aarch64-linux-gnu/libc.so.6 (0x0000ffff84e8b000)
    /lib/ld-linux-aarch64.so.1 (0x0000ffff85857000)
    # 目前缺这两个
    libdl.so.2 => /lib/aarch64-linux-gnu/libdl.so.2 (0x0000ffff84e77000)
    libpthread.so.0 => /lib/aarch64-linux-gnu/libpthread.so.0 (0x0000ffff84e46000)


ldd /usr/lib/aarch64-linux-gnu/libflann_cpp.so
    linux-vdso.so.1 (0x0000ffff9fb1f000)
    # 目前需要交叉编译
    liblz4.so.1 => /lib/aarch64-linux-gnu/liblz4.so.1 (0x0000ffff9fa68000)
    libstdc++.so.6 => /lib/aarch64-linux-gnu/libstdc++.so.6 (0x0000ffff9f883000)
    # 目前缺
    libpthread.so.0 => /lib/aarch64-linux-gnu/libpthread.so.0 (0x0000ffff9f852000)
    libc.so.6 => /lib/aarch64-linux-gnu/libc.so.6 (0x0000ffff9f6df000)
    /lib/ld-linux-aarch64.so.1 (0x0000ffff9faef000)
    libm.so.6 => /lib/aarch64-linux-gnu/libm.so.6 (0x0000ffff9f634000)
    libgcc_s.so.1 => /lib/aarch64-linux-gnu/libgcc_s.so.1

如果之前缺hdf5，编译会报警 hdf5 library not found, not compiling flann_example.cpp

解决方法: 把ARM平台的的flann库文件复制到了 /usr/lib/x86_64-linux-gnu，原来的x86的flann库文件复制到了新文件夹 /usr/lib/x86_64-linux-gnu/x86_flann

如果要交叉编译，需要修改CMakeLists:

1
2
3
4
5
pkg_check_modules(LZ4 REQUIRED liblz4)
#include_directories(${LZ4_INCLUDE_DIRS})
include_directories(/home/user/Downloads/lz4-1.9.1/lz4_arm/include)

link_directories(/home/user/Downloads/lz4-1.9.1/lz4_arm/lib)

现在继续使用cmake-gui交叉编译PCL，在界面中没有选择所有模块，执行Configure和Generate后，会有日志:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
编译的模块:
  common    kdtree     octree    search
  sample_consensus     filters    2d
  geometry     io      features   ml
  segmentation    surface     keypoints
  tracking     stereo    tools

不会编译的模块:
  visualization: VTK was not found.
  registration: Disabled manually.
  recognition: Requires registration.
  apps: Disabled: registration missing.
  outofcore: Requires visualization.
  examples: Code examples are disabled by default.
  people: Requires visualization.
  simulation: Disabled: visualization missing.
  global_tests: No reason
  tools: Disabled: registration missing.

然后去build文件夹找每个模块的Makefile，比如pcl-pcl-1.10.0/build/kdtree，然后执行make即可。

PCL交叉编译得到的so文件特别大，有的到了800M。使用strip瘦身，结果报错 strip: Unable to recognise the format of the input file ，因为so文件是aarch64的，应当使用gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/aarch64-linux-gnu/bin/strip，结果让libpcl_features.so.1.10.0从797M 下降到 39M。

所有编译生成的库文件在pcl-pcl-1.10.0/build/lib，把这些库文件放到开发板上，比如路径/pcl_libs，所有Boost的库文件也放过去，比如/boost_libs。


测试程序

在本机上写一个PCL的测试程序，CMake部分:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
cmake_minimum_required(VERSION 3.5)

project(test_cross_pcl LANGUAGES CXX)

set(CMAKE_CXX_STANDARD 14)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

find_package(Boost COMPONENTS system filesystem thread REQUIRED)

include_directories(
    include
    /usr/include/eigen3

    /home/user/Downloads/pcl-pcl-1.10.0/common/include
    /home/user/Downloads/pcl-pcl-1.10.0/build/include
    /home/user/Downloads/pcl-pcl-1.10.0/io/include
    /home/user/Downloads/pcl-pcl-1.10.0/filters/include
)
LINK_DIRECTORIES(/home/user/Downloads/pcl-pcl-1.10.0/build/lib)
LINK_DIRECTORIES(/home/user/toolschain/gcc-ubuntu-9.3.0-2020.03-x86_64-aarch64-linux-gnu/aarch64-linux-gnu/lib)

add_executable(test_cross_pcl main.cpp)
target_link_libraries(test_cross_pcl
    -lpcl_common
    -lpcl_io
    -lpcl_filters
    -lpthread
)

不能使用本机上的编译器，还用cmake-gui进行交叉编译: configure, generate, 然后到对应的build文件夹里执行make，把生成的可执行文件放到开发板。

执行export LD_LIBRARY_PATH=/pcl_libs:/boost_libs:$LD_LIBRARY_PATH，也就是指定链接库的地址，再执行就成功了。

参考:Windows 10上源码编译PCL 1.8.1支持VTK和QT，可视化三维点云
交叉编译Boost

解决vcpkg无法交叉编译arm64版本 HDF5 库的问题
编译HDF5
Linux安装HDF5及遇到的问题总结

FLANN 1.9.2 源码编译
PCL与VTK

判断文件是否存在|C++C++ 基础
1
2
3
4
5
6
7
8
#include <fstream>

std::ifstream fin(file_name);
if (!fin) {
    printf("file not exist");
    return false;
}
fin.close();

C++17中有std::filesystem::path，相当于Boost的filesystem模块，只需要set(CMAKE_CXX_STANDARD 17)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
#include <filesystem>
#include <iostream>
namespace fs = std::filesystem;


int main()
{
    std::filesystem::path test_path("/home/user/test.yaml");
    //判断路径是否存在
    std::cout << "is_exist = " << std::filesystem::exists(test_path) << std::endl;

    // 判断路径为绝对路径还是相对路径
    std::cout << "is_abs = " << test_path.is_absolute() << std::endl;
    std::cout << "is_relative = " << test_path.is_relative() << std::endl;
    // 取得不带扩展名的文件名
    std::cout << "stem = " << test_path.stem() << std::endl;
    // 取得扩展名,如果没有,则为空
    std::cout << "extension = " << test_path.extension() << std::endl;
    // 取得文件名
    std::cout << "filename = " << test_path.filename() << std::endl;

    std::cout << "----------------------------------------" << std::endl;

    std::filesystem::path test_dir("/home/user/Pictures");
    //判断是文件还是文件夹
    std::cout << "is_file = " << std::filesystem::is_regular_file(test_path) << std::endl;
    std::cout << "is_dir = " << std::filesystem::is_directory(test_dir) << std::endl;

    //关于路径拼接
    std::filesystem::path new_path = test_dir / "test.txt";
    std::cout << "new_path = " << new_path << std::endl;

    //取得当前绝对工作路径 编译后可执行文件的路径文件夹
    std::filesystem::path workPath = std::filesystem::current_path();
    std::cout << "current exe path = " << workPath << std::endl;

    //递归遍历指定路径下所有文件,文件夹名字也会返回
    std::filesystem::recursive_directory_iterator iterDir(test_dir);
    for (auto &it: iterDir)
    {
        //打印绝对路径
        std::cout << it << std::endl;
        // 不打印路径而是打印文件名
       std::cout << it.path().filename() << std::endl;
    }

    //给一个相对路径,返回绝对路径
    std::filesystem::path path_test("./");
    std::cout << "abs_path = " << std::filesystem::absolute(path_test) << std::endl;


    // 删除文件, 路径不存在不报错
//    std::filesystem::remove(test_dir / "deepfakes"/"yolov7.pdf");

    // 拷贝文件夹, 删除文件夹
//    std::filesystem::copy(test_dir, test_dir.parent_path() / "works", std::filesystem::copy_options::recursive);
//    std::filesystem::remove_all(test_dir.parent_path() / "works");
    return 0;
}

yaml-cpp的使用|第三方库

使用yaml-cpp读文件

1
2
3
4
5
6
7
8
9
10
YAML::Node gps_root;
try {
    gps_root = YAML::LoadFile("/home/user/111.yaml");
} catch (YAML::ParserException &ex) {
    std::cerr << "gps.yaml parse failed: " << ex.what() << std::endl;
   exit(-1);
} catch (YAML::BadFile &ex) {
    std::cerr << "gps.yaml load failed: " << ex.what() << std::endl;
   exit(-1);
}

所用函数的源码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
Node LoadFile(const std::string& filename) {
  std::ifstream fin(filename.c_str());
  if (!fin) {
    throw BadFile();
  }
  return Load(fin);
}

Node Load(std::istream& input)
{
	Parser parser(input);
	NodeBuilder builder;
	if (!parser.HandleNextDocument(builder)) {
		return Node();
	}

	return builder.Root();
}

如果读文件失败，会抛出异常，不会运行到Load，所以无法用IsDefined函数判断是否读文件成功。

ZeroMQ的学习|第三方库

使用zmqpp-4.2.0，但是用函数zmq_version发现版本是 4.3.4

ZeroMQ在CMake的设置

1
2
3
4
5
6
7
8
9
10
11
12
cmake_minimum_required(VERSION 3.5)

project(untitled LANGUAGES CXX)

set(CMAKE_CXX_STANDARD 11)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

include_directories(zmqpp-4.2.0/src/zmqpp)
LINK_DIRECTORIES(zmqpp-4.2.0/lib/)

add_executable(untitled main.cpp)
target_link_libraries(untitled  zmq)

查看版本

1
2
3
4
5
6
7
8
9
#include <stdio.h>
#include <zmq.h>
// 显示当前的zeromq版本
int main()
{
    int major, minor, patch;
    zmq_version(&major, &minor, &patch);
    printf("Current ZeroMQ version is %d.%d.%d\n", major, minor, patch);
}

发布和订阅

pub端:

  • 创建context
  • 创建socket，设置ZMQ_PUB模式
  • bind端口
  • 循环发布消息send

sub端:

  • 创建context
  • 创建socket，设置ZMQ_SUB模式
  • connect到pub端
  • setsockopt设置ZMQ_SUBSCRIBE订阅的消息
  • 循环接收recv

注意事项:

  1. 我们在pub中bind，在sub中connect，在zmq的使用中无论是在pub还是sub中都可以bind，但是一般我们在pub中bind，在sub中connect。反之sub端可能收不到消息
  2. zmq_setsockopt – 设置zmq的socket属性，sub端必须使用此方法，否则是收不到消息的。
  3. pub端不能使用recv函数，sub端不能使用send函数
  4. pub端socket的zmq_send()函数永远不会阻塞

zmq_msg_init_size

使用一个指定的空间大小初始化ZMQ消息对象。原型int zmq_msg_init_size (zmq_msg_t *msg, size_t size);

分配任何被请求的资源来存储一个size大小字节的消息，并且初始化msg参数指定的消息，用来表示新分配到的消息。

在函数执行的时候，会选择是否把消息存储在栈里面（小消息），还是堆里面（大消息）。考虑到性能原因，函数不会清除消息数据。

永远不要直接对zmq_msg_t对象进行直接操作，而是要使用zmq_msg函数族进行操作。

zmq_msg_init(), zmq_msg_init_data()和zmq_msg_init_size()这三个函数是互斥的。永远不要把一个zmq_msg_t对象初始化两次。

执行成功时返回0。否则返回 -1，并且设置errno的值为下列定义的值。

zmq_msg_data

原型void *zmq_msg_data (zmq_msg_t *msg); 返回msg参数指定的消息内容的指针。

函数执行成功返回0，否则返回 -1

参考:
zmq pub/sub使用详解

proto基本使用|第三方库

安装

安装Protobuf需要两个zip文件，以 3.0.0 为例，到github下载页面下载 protoc-3.0.0-linux-x86_64.zip 和 protobuf-cpp-3.0.0.zip

安装前者:

1
2
3
4
5
6
7
8
9
10
# Unzip
unzip protoc-3.2.0-linux-x86_64.zip -d protoc3

sudo mv protoc3/bin/*  /usr/local/bin/

sudo mv protoc3/include/*  /usr/local/include/

# change owner，也可不执行
sudo chwon [user] /usr/local/bin/protoc
sudo chwon -R [user] /usr/local/include/google

再安装后者

1
2
3
4
5
6
7
8
9
10
11
12
13
# 解压后执行
./autogen.sh

./configure # 或者 ./configure --prefix=/usr

make
sudo make install
sudo ldconfig

protoc --version
# 输出：libprotoc 3.0.0

locate libprotobuf.so


所用protobuf的版本是 3.12.4

Test.proto文件:

1
2
3
4
5
6
7
8
9
syntax = "proto3";
// 包名:在生成对应的C++文件时，将被替换为名称空间，在代码中会有体现
package Test; 

message Pose {
    float x = 1;
    float y = 2;
    float yaw = 3;
}

根据proto文件生成.h 和 .cc文件

1
./protoc --proto_path=/home/user/qt_projects --cpp_out=/home/user/qt_projects/proto_gen /home/user/qt_projects/Test.proto

简略形式: protoc message.proto --cpp_out=.


CMake中的配置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
cmake_minimum_required(VERSION 3.5)

project(test_proto LANGUAGES CXX)

set(CMAKE_CXX_STANDARD 11)
set(CMAKE_CXX_STANDARD_REQUIRED ON)

include_directories(/home/user/zmqpp-4.2.0/src/zmqpp)
include_directories(/home/user/protobuf/src)

LINK_DIRECTORIES(/home/user/x86/zmqpp-4.2.0/lib/)
LINK_DIRECTORIES(/home/user/x86/protobuf/lib)
# 上面生成的cc文件
add_executable(test_proto main.cpp Test.pb.cc)
target_link_libraries(test_proto  zmq  protobuf)

注意 #include "Test.pb.h"

可以这样使用

1
2
3
4
Test::Pose*  pose_msg = new Test::Pose();
pose_msg->set_x(1.5);
pose_msg->set_y(2.7);
pose_msg->set_yaw(0);

ccache加速编译|cmake/qmake

ccache

先使用apt-get install ccache进行安装。

1
2
3
4
sudo vim /etc/environment
PATH='/usr/lib/ccache:keep the rest'

source /etc/environment

输入which gcc，应该得到/usr/lib/ccache/gcc

修改CMakeLists.txt

1
2
set(CMAKE_CXX_COMPILER_LAUNCHER ccache)
set(CMAKE_C_COMPILER_LAUNCHER ccache)

但是在ROS环境下，没发现起作用

distcc

Setting up distcc (server)

So, go ahead and install distcc on the server computer (in my case, the desktop)

And then spin up the server. (The following assumes I’m on the 10.8.33.0 subnet, and I’m allowing all hosts on that subnet to send jobs)

1
sudo distccd --log-file=/tmp/distccd.log --daemon -a 10.8.33.0/24

Setting up distcc (client) So, now you have to tell ccache to use the distcc distributed compilation servers. To do this, just add the following line to your ~/.bashrc file.
1
export CCACHE_PREFIX=distcc

Next, we have to tell distcc where to go to find the server. This also, just add to the bottom of your ~/.bashrc (my desktop is at 10.8.33.182 and it has 8 cores, my laptop is at localhost and has 4)
1
export DISTCC_HOSTS='localhost/4 10.8.33.182/8'


在另一个终端，使用下面命令检验ccache的运行效果

1
watch -n1 'ccache -s -v'

或者watch -n1 'ccache --show-stats -v'

编译时，使用top看 distcc process starts spooling up its threads.

Linux程序运行时被killed|那些卡我很久的bug

linux程序运行时突然出现Killed，可以使用dmesg | egrep -i -B100 'killed process 查看原因，输出最近killed的信息。

参考: linux 程序被Killed，查看原因

有用的程序 1|C++C++ 基础
  • 不断判断随机数的大小，如果它能大于某个值维持一段时间，输出时间，否则重新计时。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
int main()
{
    int num = 0;
    int count = 0;
    std::chrono::steady_clock::time_point  start, end;
    double duration;

    while(1)
    {
        std::srand(time(0));
        count = rand() % 1000000;
        if(count > 680000)
        {
            if(num==0)
                start = std::chrono::steady_clock::now();

            num++;
            end = std::chrono::steady_clock::now();
            duration = std::chrono::duration<double>(end - start).count();
            cout << "count: " << count << endl;
            cout << "time elapsed " << static_cast<int>(duration) << endl;
        }
        else
        {
            duration = 0;
            num = 0;
            cout << endl;
        }
    }
    return 0;
}
  • 判断一个点是否在多边形中

opencv函数: double pointPolygonTest(InputArray contour, Point2f pt, bool measureDist)

当measureDist设置为true时，返回实际距离值。若返回值为正，表示点在多边形内部，返回值为负，表示在多边形外部，返回值为0，表示在多边形上。
当measureDist设置为false时，返回 -1、0、1三个固定值。若返回值为+1，表示点在多边形内部，返回值为-1，表示在多边形外部，返回值为0，表示在多边形上。

  • 计算点到直线的距离
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
/*
 * @tparam T point type
 * @param first Given the starting point of a line segment
 * @param last The endpoint of a given line segment
 * @param third Given point
 * @return T Distance from point to line
 */
template <typename T>
static T PointToLineDistance(const Point<T>& first, const Point<T>& last, const Point<T>& third) {
    float dis_suqare =
        ((first.y - last.y) * third.x + (last.x - first.x) * third.y +
         (first.x * last.y - last.x * first.y)) *
        ((first.y - last.y) * third.x + (last.x - first.x) * third.y +
         (first.x * last.y - last.x * first.y)) /
        ((last.x - first.x) * (last.x - first.x) + (last.y - first.y) * (last.y - first.y));
    return std::sqrt(dis_suqare);
}
  • 求图形的外接圆

OpenCV绘制最小外接矩形、最小外接圆
pointPolygonTest函数

cmp accumulate 函数|C++C++ 模板与STL

cmp函数

cmp 函数的特点：

  1. 返回值为 bool 类型，用来表示当前的排序是否正确
  2. 参数为两个相同类型的变量，且类型与要排序的容器模板类型相同
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    // 从小到大排列
    bool cmp( const Data& d1, const Data& d2)
    {
    //    return(d1.dist < d2.dist);
    	// 由于重载了 <= ，可以直接这么写
        return(d1 <= d2);
    }

    vector<Data> vec;
    Data  temp;
    for ( int i = 0; i < 8; ++i )
    {
        temp.dist = rand() %50;
        temp.confidence = 100;
        vec.push_back( temp );
    }
    for(int i=0; i<8; i++)
    {
        cout << vec.at(i).dist << "   ";
    }
    cout << endl;
    // 第三个参数可以是一个函数指针，一般使用cmp函数
    stable_sort( vec.begin(), vec.end(), cmp );
    for(int i=0; i<8; i++)
    {
        cout << vec.at(i).dist << "   ";
    }

std::accumulate 函数

用来计算特定范围内（包括连续的部分和初始值）所有元素的和，除此之外，还可以用指定的二进制操作来计算特定范围内的元素结果，需要 #include <numeric>。 三个形参：头两个形参指定要累加的元素范围，第三个形参则是累加的初值。

1
2
3
vector<int> v;
// 给 v 赋值
cout << std::accumulate(v.begin(), v.end(), 0) << endl;