企业官网建设流程全解析

手把手教你编译 MULLS：Ubuntu 下 PCL、Glog、Ceres 等 8 大依赖库安装避坑全攻略

【免费下载链接】MULLS🤔 MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square [ICRA 21]项目地址: https://gitcode.com/gh_mirrors/mu/MULLS

MULLS 是 ICRA 2021 论文《Versatile LiDAR SLAM via Multi-metric Linear Least Square》的开源实现，一款高效、低漂移、多场景适用的 LiDAR SLAM（激光雷达同步定位与建图）系统。不过，编译 MULLS 之前必须先装好 PCL、Glog、Gflags、Eigen3、Ceres、OpenCV、HDF5、TEASER++ 这 8 大依赖库，而这一步正是新手最容易踩坑的地方。本文整理了一份 Ubuntu 环境下的 MULLS 依赖库安装与编译完整攻略，从零开始带你一次通过。

MULLS 是什么？为什么值得动手编译

MULLS（Multi-metric Linear Least Square）由 ETH 团队提出，核心思路是用多度量线性最小二乘完成点云特征提取、匹配与位姿解算，让 LiDAR SLAM 在城区、高速、校园等不同场景下都能保持低漂移与实时性，同时前后端（回环检测、位姿图优化）齐备。

• 🧭 前端：多度量特征提取 + 线性最小二乘位姿估计
• 🔁 后端：回环检测 + 位姿图优化，支持 Ceres / g2o / GTSAM
• 📊 支持 PCD、LAS、TXT、H5、BIN 等多种点云格式
• 🐧 官方在 Ubuntu 16.04 / 18.04 / 20.04 上测试通过

编译 MULLS 前，先认识 8 大依赖库

打开项目根目录的 CMakeLists.txt 可以看到，MULLS 的依赖分为「必需」与「可选（默认开启）」两类，合计正好 8 个：

此外，编译还需要 Boost、OpenMP 与 CMake 作为基础支撑。下面我们分两步走：先搭基础环境，再逐个安装依赖。

第一步：搭建基础编译环境

无论用哪种安装方式，下面这些工具都是必须的，一条命令全部搞定：

sudo apt-get update sudo apt-get install -y cmake cmake-curses-gui build-essential git wget checkinstall

💡checkinstall是 MULLS 官方安装脚本用来把源码打包成 .deb 再安装的工具，必须安装，否则 install_dep_lib.sh 会在编译源码型依赖（Ceres、TEASER++ 等）时报错。若 apt 里的 CMake 版本低于 3.10，编译 TEASER++ 会失败，建议通过官方 PPA 升级到新版本。

第二步：8 大依赖库逐个安装

1. Eigen3：一切矩阵运算的基石

MULLS 的线性最小二乘解算重度依赖 Eigen，直接安装系统包即可：

sudo apt-get install -y libeigen3-dev pkg-config --modversion eigen3 # 验证版本

⚠️ 如果你同时装了 Anaconda，注意 conda 环境里的 Eigen 可能干扰编译，建议编译 MULLS 时切换到系统默认环境。

2. PCL：点云处理的核心库

PCL 是 MULLS 最核心的依赖（版本需 >= 1.7），安装时它的子依赖 Boost、FLANN、VTK 会一并装好：

sudo apt-get install -y libpcl-dev libproj-dev

3. Glog：日志库

MULLS 大量使用 Glog 输出运行日志（运行脚本中的-log_dir ./log/test就是 Glog 参数），安装命令：

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

4. Gflags：命令行参数库

Gflags 负责解析--flagfile=xxx这类运行参数，与 Glog 是"黄金搭档"，常一起安装：

sudo apt-get install -y libgflags-dev

5. Ceres：位姿图优化首选

Ceres 用于回环检测后的位姿图优化，MULLS 官方明确推荐它（g2o、GTSAM 三选一即可）。先装好它的数学库依赖：

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

Ubuntu 20.04 可直接sudo apt-get install -y libceres-dev；若版本较老，建议源码编译 2.0.0 版本，编译命令可参考官方脚本 install_dep_lib.sh 中的 ceres 段落。

6. OpenCV：二维地图与 BEV 图像

默认开启的BUILD_WITH_OPENCV选项需要 OpenCV 来生成二维地图和鸟瞰图，一键安装：

sudo apt-get install -y libopencv-dev

7. HDF5：H5 点云数据读写

若你打算用 H5 格式的点云数据（pc_format=h5），需要 HDF5 及其 MPI 支持：

sudo apt-get install -y libhdf5-serial-dev libopenmpi-dev openmpi-bin libhdf5-openmpi-dev

8. TEASER++：全局配准加速

TEASER++ 用于 MULLS-Registration 的全局配准，必须源码编译且CMake >= 3.10，官方脚本中按以下流程处理：clone 仓库 →mkdir build && cd build→cmake .. -DBUILD_TESTS=OFF→make→ 打包安装并sudo ldconfig。

💡 不想手动折腾？直接在 MULLS 目录下执行bash script/tools/install_dep_lib.sh，脚本会自动完成上述 8 大依赖（外加 Sophus、LibLAS 等可选库）的安装，全程已验证通过，这是最省心的方式。

MULLS 依赖库安装避坑指南

这部分是无数人踩过的坑，请务必收藏：

• ❌Anaconda 干扰 HDF5 查找：CMakeLists 中特意注释了find_package(HDF5)，就是因为容易误找到 Anaconda 里的错误版本，最终硬编码为/usr/include/hdf5/serial。编译前建议屏蔽 conda 环境。
• ❌CMake 版本过低：TEASER++ 要求 CMake >= 3.10，Ubuntu 16.04 自带的旧版会导致编译失败，需先升级 CMake。
• ❌Eigen 版本过低：TEASER++ 需要较新的 Eigen，官方 Dockerfile 中甚至专门手动安装了 Eigen 3.3.7，遇到模板报错时可参考升级。
• ❌g2o 版本过新：如果选 g2o 而非 Ceres，必须用 2016 年及以前版本，新版 API 不兼容。
• ❌Ceres / g2o / GTSAM 重复安装：三者都用于位姿图优化，装一个即可，重复安装反而可能引发链接冲突。
• ❌修改 CMake 选项后不删 build：切换BUILD_WITH_*选项后若编译报错，请删除build文件夹重新来过，否则 CMake 缓存会"赖着不走"。

三步完成 MULLS 编译

依赖装齐后，编译其实非常简单，先获取源码：

git clone https://gitcode.com/gh_mirrors/mu/MULLS

然后进入项目目录，执行标准的三步编译：

cd MULLS mkdir build cd build cmake .. make -j$(nproc) cd ..

编译成功后，可执行文件会输出到bin目录（mulls_slam、mulls_reg、replay_slam以及bin2pcd、txt2pcd等格式转换工具）。若需要调整可选依赖，可在build目录下用ccmake ..可视化勾选BUILD_WITH_*选项后重新编译。

编译成功后如何快速验证

项目自带 16 帧示例点云（位于 demo_data/pcd），无需任何修改即可验证编译成果：

# 验证 SLAM 模块 sh script/run_mulls_slam.sh # 验证点云配准模块 sh script/run_mulls_reg.sh

运行后可在实时查看器中观察建图过程，结果（轨迹、地图、评估文件）会输出到demo_data/result目录。想要量化评估精度，可参考 python/kitti_eval.py 配合 python/requirements.txt 中的 evo 工具进行 APE / RPE 评测。MULLS 在 KITTI 上的整体表现可参考项目中的实验结果对比：

结语

编译 MULLS 的难点从来不在编译本身，而在 8 大依赖库的安装顺序与版本选择上。只要按照「基础环境 → Eigen3/PCL → Glog/Gflags → Ceres → OpenCV/HDF5 → TEASER++」的顺序安装，并避开 Anaconda、CMake 版本、build 缓存这几个经典大坑，就能顺利编译出属于自己的 LiDAR SLAM 系统。快动手试试吧！

【免费下载链接】MULLS🤔 MULLS: Versatile LiDAR SLAM via Multi-metric Linear Least Square [ICRA 21]项目地址: https://gitcode.com/gh_mirrors/mu/MULLS