当前位置: 首页 > news >正文

cmake、cmakeLists.txt、makefile、make、colcon build 关系简介

以下是一篇简洁、连贯、从背景到使用的总结,将CMakeCMakeLists.txtMakefilemakecolcon build有机串联起来:


🧱 从源码到可执行:构建系统的演进与协作

在 C/C++ 开发中,项目往往包含多个源文件,每次修改后都需要重新编译受影响的部分并链接成最终程序。早期(1976 年),Unix 系统引入了make工具,配合手写的Makefile来自动化这一过程。
Makefile定义了目标、依赖和编译命令,但编写复杂、平台相关、易出错,尤其在大型项目中难以维护。

为解决这些问题,CMake(Cross-platform Make)于 2000 年代初诞生。它不是编译器,而是一个跨平台构建系统生成器:开发者只需用 CMake 的语法编写一个CMakeLists.txt文件,描述项目结构、依赖和构建规则;CMake 就能自动生成适合当前平台的底层构建文件——如 Linux 下的Makefile,Windows 下的 Visual Studio 项目,或更高效的 Ninja 文件。

实际编译时:

  • 用户运行cmake命令 → 读取CMakeLists.txt→ 生成Makefile
  • 再运行make→ 读取Makefile→ 调用g++/clang编译代码 → 生成可执行文件

ROS 2生态中,官方推荐使用colcon build作为统一构建入口。colcon是 ROS 2 的构建工具,它会:

  1. 扫描工作空间中的所有包;
  2. ament_cmake类型的包,自动调用cmake+make(或ninja);
  3. ament_python包,则调用setuptools安装 Python 模块。

因此,在 ROS 2 中,典型流程是:

# 开发者只写 CMakeLists.txtros2 pkg create --build-type ament_cmake my_pkg# 编辑 my_pkg/CMakeLists.txt 描述节点和依赖colcon build# 自动调用 cmake → 生成 Makefile → make 编译sourceinstall/setup.bash ros2 run my_pkg my_node

🔗 关键角色关系总结

组件角色是否需手动编写
Makefile底层编译指令(供make使用)❌(由 CMake 生成)
make执行Makefile,调用编译器❌(自动调用)
CMakeLists.txt高层构建配置(CMake 脚本)✅(开发者编写)
CMake读取CMakeLists.txt,生成Makefile❌(工具自动运行)
colcon buildROS 2 统一构建命令,封装 CMake + make 流程❌(用户只需调用)

💡 一句话理解整个链条:

开发者写CMakeLists.txtcolcon build调用CMake生成Makefilemake执行Makefile调用编译器 → 最终得到可运行的 ROS 2 节点。

这既保留了底层构建的灵活性,又极大简化了跨平台开发的复杂性。

http://www.jsqmd.com/news/92194/

相关文章:

  • 2025 年 12 月干燥机厂家权威推荐榜:闪蒸/双锥/耙式/沸腾/喷雾等十大机型深度解析,高效节能与稳定耐用之选 - 品牌企业推荐师(官方)
  • 8、AWK 变量和常量的深入解析
  • 2025年石棉橡胶板厂家联系电话推荐:精选优质厂家与选购指南 - 品牌推荐
  • 2025年北京房产分割律师权威推荐榜单:离婚诉讼/婚姻诉讼/继承律师及律所精选 - 品牌推荐官
  • 9、AWK变量与常量全解析
  • 2025年12月艾珀耐特采光瓦,防腐采光瓦,树脂采光瓦厂商推荐:聚焦企业综合实力与核心竞争力 - 品牌鉴赏师
  • 终极Vision Transformer推理加速完整指南:从模型优化到生产部署
  • 2025年12月pc采光板,屋顶采光板,采光板公司推荐:行业测评与选择指南 - 品牌鉴赏师
  • 腾讯混元7B大模型本地部署终极指南:从零开始到高效运行
  • 5个实战技巧让AI秒懂你的需求:思维链提示工程深度解析
  • 32B密集模型性能突破:DeepSeek-R1-Distill-Qwen推理能力超越OpenAI-o1-mini
  • 腾讯开源HunyuanVideo-Foley:AI视频拟音技术突破,声画合一时代来临
  • AI推理引擎轻量化部署终极指南:突破资源瓶颈的完整解决方案
  • DeepFace数据增强技术深度解析:构建鲁棒人脸识别系统的关键策略
  • llama.cpp SYCL后端终极配置实战:从编译失败到GPU加速全流程
  • 多模态大语言模型如何突破数据瓶颈:少样本学习的深度解析
  • 3大策略打造企业级人脸识别系统:数据增强实战解析
  • LobeChat能否集成Stable Diffusion图像生成?跨模态尝试
  • S-UI Windows版终极安装指南:快速部署专业网络面板
  • 郊狼游戏控制器完全使用手册:从入门到精通实战指南
  • MindsDB向量存储异常排查指南:ChromaDB集成问题深度解析与实战解决方案
  • 双模式推理+低精度部署:Qwen3-8B-MLX-6bit重塑大模型应用范式
  • FastPhotoStyle终极实战:3步打造专业级风格迁移效果
  • 如何快速配置Sublime Text:终极配色方案部署指南
  • UniHacker终极指南:一键解锁完整Unity开发体验
  • 5步精通OCR技术:从零到实战的完整指南
  • 如何通过Logseq DB版本实现智能化知识管理转型
  • 3分钟学会音乐情绪识别:用librosa让机器听懂你的歌单
  • 创新性轻量级AI编程标杆:MiniMax-M2开源模型深度评测——100亿激活参数实现行业顶尖性能
  • 人脸识别模型性能优化实战:从检测瓶颈到精度提升