1.window 配置eigen3环境
2.vs2019已经在vc++目录中加入eigen的码安目录为什么还是提示找
3.ubuntu安装Pangolin
4.关于运行DynaSLAM源码这档子事(OpenCV3.x版)
5.Python与C++混合开发(VisualStudio+PyBind11)
6.Eigen3不同版本切换
window 配置eigen3环境
在VS 、CMake 3..2和GCC/G++ 8.1的码安环境中配置Eigen3库的步骤如下: 首先，从官网下载Eigen3源码包。码安 接着，码安进行解压操作以准备编译。码安 进入步骤3，码安linux sl 源码包编译并安装。码安执行以下命令：创建一个名为"build"的码安目录。
切换到该目录。码安
使用CMake构建库：运行`cmake ..`。码安默认安装路径为C:\Program Files (x)\Eigen3，码安但为了便于管理，码安可以选择将安装文件复制到D盘，码安并移除C盘原有的码安文件。
Eigen3是码安一个模板库，主要包含头文件和xx.cmake文件，不包含预编译的库。 在进行测试时，需要编写测试文件。创建一个cmakeLists.txt和一个main.cpp文件。 继续测试步骤，你可以选择以下两种方法：创建新的"build"目录，切换并运行`cmake ..`。这将生成一个Visual Studio解决方案文件，用于在VS中进行工程操作。
或者，如果使用MinGW Makefiles，执行`cmake .. -G "MinGW Makefiles"`后，进行`make`，直接生成可执行文件。逆水决源码
vs已经在vc++目录中加入eigen的目录为什么还是提示找
欲在Visual Studio 中集成著名的矩阵运算库Eigen，本文提供详细步骤。首先，访问Eigen官网下载3.3.8版本源码。在Visual Studio中创建空项目。为简化管理，不勾选将解决方案和项目置于同一目录选项，以确保文件结构清晰。创建src、include、deps、config等文件夹，Eigen源码置于deps/eigen目录下。
配置项目属性，添加Eigen目录。在项目属性页中选择C/C++标签进行调整，确保文件夹路径正确设置。创建test_eigen.cpp文件进行代码测试，验证配置是否正确。若项目多于一个，例如Project2，需将Eigen目录添加至其C/C++属性页的附加包含目录中，并确保路径相对项目文件夹。创建Project2/src目录，添加测试代码，并设置Project2为启动项，运行以验证配置。
总结，本文详细阐述了如何在Visual Studio 中集成Eigen库，FS偷源码并说明了处理多项目情况的方法。此过程对于集成其他库应具相似性。欢迎关注个人网站以及GzH: SLAM学习er，作者将持续更新更多内容。
ubuntu安装Pangolin
安装Pangolin的步骤可以简化为几个关键步骤，以下为详细指南。 首先，确保已安装所需的依赖项。这可能包括一些C++编译工具和库，如CMake、Eigen、OpenCV等。根据系统需求和版本，可能还需要其他库。建议使用包管理器进行安装，例如在Ubuntu中使用`sudo apt-get install`。 在安装Pangolin前，推荐的版本为0.6，原因是此版本被认为较为稳定，并且适应了后续开源代码如dm-vio的严格需求，以避免在安装过程中删除不必要的库函数，减少额外的编译工作。安装过程会涉及删除原有版本并安装指定版本，对已有依赖的代码可能需要重新编译。 开启终端，执行以下命令：切换至工作目录。
使用`git clone`命令克隆Pangolin源代码仓库。
进入克隆的目录。
使用`cmake .`和`make`命令编译Pangolin。THINKPHPDJ网站源码
完成后，Pangolin应已成功安装在系统中。在使用Pangolin之前，确保已正确设置环境变量，以便在命令行中引用Pangolin的头文件和库。 总结，安装Pangolin涉及依赖项管理、选择稳定版本、克隆源代码、配置构建环境、以及编译安装。遵循这些步骤，将有助于确保安装过程顺利，同时减少因版本差异导致的问题。希望此指南对您安装Pangolin有所帮助。关于运行DynaSLAM源码这档子事(OpenCV3.x版)
源码运行记录 本次记录基于OpenCV 3.x版本的DynaSLAM源码运行过程。基础环境
根据DynaSLAM源码的Readme文件，需确保Python 2.7环境，并在Anaconda中建立虚拟环境进行后续操作。此记录面向OpenCV 3.x版本，对于版本适配的修改在第四大点，其余为通用步骤。满足ORB-SLAM2条件
由于DynaSLAM基于ORB-SLAM2编写，需预装C++或C++0x编译器、Pangolin、OpenCV和Eigen3。DynaSLAM最初仅支持OpenCV 2.4.，但年有开发者提交了OpenCV 3.x支持代码。我使用的520表白 源码是OpenCV 3.4.5版本。安装其他库
遵循开源代码Readme指南： 安装boost库：sudo apt-get install libboost-all-dev 克隆DynaSLAM源码并下载h5文件：git clone /BertaBescos/DynaSLAM.git，从github.com/matterport/M...下载h5文件，存入DynaSLAM/src/python/目录下。 创建并激活Anaconda新虚拟环境，安装tensorflow和keras。 测试环境，若输出“Mask R-CNN is correctly working”表示配置完成。然而，实际操作可能遇到问题，如： 未安装scikit-image：sudo pip install scikit-image 安装pycocotools时需在Python 2.7环境下执行以确保生成_mask.so文件，否则运行Check.py会报错。 将pycocotools文件夹复制到src/python/目录。源码修改
感谢某**姐提交的代码修改，针对OpenCV 3.x使用做了适配，删除了CMakeLists.txt中的-march=native（可消除Segment Default错误），并修改了/Thirdparty/DBoW2/CMakeLists.txt、include/Conversion.h和src/Conversion.cc文件。确保与自用的OpenCV 3.x版本兼容。编译与运行
编译DynaSLAM源码，运行时不给后面两个参数默认执行ORB-SLAM2。若只想使用MaskRCNN功能但不保存mask，将PATH_MASK设为no_save。若遇到Light Track无法初始化的问题，增加ORB参数中特征点的数量，通常设置为。 至此，DynaSLAM源码运行记录完成。Python与C++混合开发(VisualStudio+PyBind)
在开发过程中，Python与C++的混合使用可以通过Visual Studio和PyBind实现。本文将指导如何在Visual Studio中创建动态链接库，并通过PyBind为C++库添加Python接口，以便于Python调用。
步骤如下：
1. 创建一个Visual Studio的C++动态链接库项目，详细步骤可参考作者之前的文章。
2. 在GitHub上下载pybind（版本2..1）和Eigen（版本3.4.0）的源码，将它们解压缩并放入项目文件的deps文件夹。
3. 配置项目属性，包括添加包含目录（添加Python和Eigen库路径），库目录（Python的lib文件夹），以及预处理器和链接器的设置，确保链接python3.lib或python.lib。
4. 编写C++源代码，如include/common.h、transform_2d.h和src/transform_2d.cpp，同时在python/akai.cpp中定义Python模块和接口。
5. 在工程中生成akai.pyd动态链接库，通过重新生成项目并查看日志确认库的生成。
6. 在AKAI/example文件夹中，通过终端运行jupyter notebook，并编写Python脚本，导入akai的tf2d模块，调用RotationMatrix函数，验证接口的正确性。
完成以上步骤后，你将能够在Visual Studio中成功混合使用Python和C++，并利用PyBind建立两者间的交互。
Eigen3不同版本切换
在探索SLAM技术的过程中，版本问题常常成为编译挑战的关键。为此，我整理了一篇关于Eigen版本切换的实用指南，帮助你在不同项目中轻松转换。让我们从apt-get安装开始，它是最常用且便捷的方式：
首先，你可以使用sudo apt-get install libeigen3-dev命令，apt-get的安装路径通常在/usr/include下的eigen3文件夹中（见下图）。如果你需要特定版本，如Eigen3.3.9，源码编译是你的选择。以这个版本为例：
首先，从GitHub或GitLab下载所需的版本，比如：# git clone /libeigen/eigen.git
wget /libeigen/eigen/-/archive/3.3.9/eigen-3.3.9.zip
unzip eigen-3.3.9.zip
cd eigen-3.3.9
mkdir build && cd build
cmake -DCMAKE_INSTALL_PREFIX=~/eigen_output ..
make && make install
编译完成后，你将在~/eigen_output目录下找到eigen3库。之后，将生成的库文件重命名，如sudo mv eigen3 eigen，便于版本区分。
Ubuntu系统通过eigen3.pc文件管理版本查找。apt-get安装的版本位于/usr/share/pkgconfig，而源码编译的版本在安装目录的share/pkgconfig。对比两者，确保保留适当的eigen3.pc文件，修改Version行指向所需的版本，然后重命名eigen3路径：
执行如下命令进行版本切换：sudo mv eigen3 eigen，将当前版本重命名；sudo mv eigen eigen3，将新版本设置为主用。这样，通过路径重定向，版本切换顺利完成。如果你在实际操作中遇到问题，这个指南希望能作为参考。祝你在Eigen版本管理上得心应手！
（注意：以上内容旨在提供指导，实际操作时请确保对文件和路径有充分的理解，以避免可能的冲突。）
OCS2安装以及Hunter双足机器人仿真环境配置
随着腿足式机器人技术的不断发展，双足机器人成为了研究热点。其中，Hunter双足机器人由桥介数物和因克斯智能合作研发，其开源的控制程序为学习者提供了便利。为了搭建Hunter双足机器人的仿真环境，首先需要安装和配置依赖环境。 安装流程分为四个阶段：安装OCS2、安装相关库、配置Hunter工作环境以及问题排查与优化。阶段一：安装OCS2
在安装OCS2前，确保已安装Ubuntu.版本的ROS，并根据OCS2官方文档完成所有依赖安装。具体步骤如下：检查C++编译器版本，通常不会存在问题。
确保Eigen3版本大于3.3。
在工作空间下创建OCS2文件夹，然后安装Boost C++。
安装catkin，并根据实际版本替换官方文档中的命令。
安装剩余依赖。
阶段二：安装相关库
安装过程中需确保安装了所有必需库。这包括但不限于Raisim库，需指定版本号进行安装。确保安装了checkinstall工具，完成Raisim库的编译与安装。阶段三：配置Hunter工作环境
在建立Hunter工作空间后，下载源码并直接编译。在编译过程中可能出现的问题需逐一解决，如readline相关报错、pinocchio相关报错、以及依赖缺失等。阶段四：问题排查与优化
在安装和配置过程中，可能会遇到多种问题。其中，读取行相关错误、pinocchio相关报错、以及依赖缺失等，需通过安装相应组件、重新编译以及优化环境变量解决。切记优先编译elevation_mapping_cupy包。 在安装和配置过程中，遇到问题时，可以在线上社区寻求帮助或私信作者。后续将发布更多关于Hunter双足机器人的运行测试和代码分析。 祝大家都能成功安装OCS2以及Hunter双足机器人仿真环境！Eigen的介绍、安装与入门操作
Eigen是一个C++的开源模板库，专用于线性代数运算，包括向量和矩阵操作，以及数值分析等。它以头文件形式存在，无需编译，只需在cpp文件中添加`#include "Eigen/Dense"`即可使用。安装与入门
在Ubuntu Server .上，Eigen的安装有两条路径：通过apt命令或手动编译。1. apt命令安装
虽然简单，但apt包更新较慢，可能不是最新版本，这可能影响依赖于最新Eigen的库的使用。检查版本的命令是：`apt-cache policy eigen`。2. 手动编译安装
从Eigen官网下载源码或使用wget，解压后进入目录，然后进行编译。安装成功后，可以通过编写并运行代码验证，如`MatrixXd matrix = MatrixXd::Random(2, 2); cout << matrix << endl;`。实例演示
矩阵操作
创建一个2x2矩阵，赋值并输出，如`MatrixXd m = MatrixXd::Random(2, 2); cout << m << endl;`。矩阵与向量
定义一个3x3矩阵和3维向量，进行矩阵加常数和矩阵向量乘法，展示其运算结果。总结
本文简要介绍了Eigen的基本概念、安装方法、头文件使用以及入门级的矩阵向量操作。深入学习Eigen，还有更多内容等待探索。
