ubuntu 18.04 切换国内的node镜像

在Ubuntu 18.04上切换到国内的Node.js镜像，可以采取以下几个步骤来更改NPM（Node Package Manager）的源，使其优先使用国内的镜像：

1. **更换NPM源**：
打开终端并运行以下命令：

   sudo nano ~/.npmrc

或者如果你熟悉vim编辑器，也可以使用`sudo vim ~/.npmrc`。

2. **添加国内镜像源**：
在打开的`~/.npmrc`文件中，添加以下行（替换`registry_url`为你信任的国内镜像地址，例如阿里云的CNPM）：

   registry = https://registry.npm.taobao.org

或者使用其他国内提供的NPM源地址。

3. **保存并关闭文件**：
按`Ctrl+X`退出编辑器，然后按`Y`保存修改，再按回车键确认。

4. **更新缓存**：
为了应用新的NPM源，运行：

   npm cache clean --force
   npm config list

这会清空本地的NPM缓存，并显示当前的配置。

5. **验证新源**：
最后，尝试安装一个包来测试新的NPM源是否有效：

   npm install <package-name>

相关问题

ubuntu18.04运行PLVINS

### 安装和配置

为了在Ubuntu 18.04上成功安装并运行PL-VINS，需先满足一系列的前提条件。这包括操作系统的选择以及特定软件包的安装。确认所使用的系统为Ubuntu 18.04，并已安装ROS Melodic版本[^3]。

对于依赖库而言，Eigen是一个重要的线性代数模板库，在此情况下应确保其版本不低于3.3.4。可以通过`sudo apt-get install libeigen3-dev`来获取该开发包；而具体版本可通过命令`pkg-config --modversion eigen3`查询以验证安装是否达到要求[^2]。

除了Eigen之外，还需要OpenCV（至少3.2版）和支持非线性优化问题求解的Ceres Solver作为额外的关键组件。关于这些工具的具体安装指导可以参阅相关文档或教程链接获得更详细的说明。

### 构建Docker镜像

考虑到环境一致性的问题，利用Docker容器技术构建一个专门用于承载PL-VINS应用的工作空间不失为一种高效的方法。创建自定义镜像的过程中，通过执行如下指令完成：

docker commit -m="plvins_ubuntu18.04" -a="tb" bb390f67d410 tb/plvins:v1

这条命令的作用在于保存当前状态下的容器实例至新的镜像文件中以便后续重复使用或分发给其他开发者[^1]。

### 修改源码适应本地环境

当一切准备就绪之后，针对项目中的某些预设参数可能需要做适当调整使其更好地适配个人计算机上的硬件设施或其他资源位置。例如，修改`image_node_b.cpp`内的相机校准文件加载路径由相对形式转换成绝对地址表达方式，即改为指向具体的yaml配置文件所在之处：

m_camera = camodocal::CameraFactory::instance()->generateCameraFromYamlFile("/home/user/path/to/config_file.yaml");

注意这里应当替换实际存在的路径而非示例给出的内容[^4]。

ubuntu18.04使用三合一深度相机

### 配置和使用三合一深度相机

#### 安装必要的软件包
为了使三合一深度相机能够在Ubuntu 18.04上正常工作，需先确保已安装了所有必需的依赖项。这通常涉及到更新系统的APT源并安装ROS Melodic和其他必要工具。

对于系统准备部分，在开始之前应该更换国内镜像源来加速下载过程[^3]：

sudo sed -i 's@archive.ubuntu.com@mirrors.aliyun.com@g' /etc/apt/sources.list
sudo apt-get update && sudo apt-get upgrade

接着初始化ROS环境变量以便后续操作顺利进行:

source /opt/ros/melodic/setup.bash

#### 安装驱动程序和支持库
针对乐视三合一体感深度相机的具体情况，可能还需要额外安装一些特定的支持库或驱动程序以确保设备能够被正确识别和访问。这些步骤一般会在官方文档中有详细介绍[^4]。

#### 启动与校验
完成上述准备工作之后，可以通过启动`roslaunch`命令加载相应的节点和服务，从而激活连接到计算机上的深度摄像装置。由于涉及图形化界面组件如RVIZ的操作建议通过远程桌面而非纯SSH终端来进行，以免遇到不必要的麻烦[^2]:

roslaunch depth_camera your_launch_file.launch

其中`your_launch_file.launch`应替换为实际使用的Launch文件名称。随后可以在RVIZ中导入预先创建好的配置文件(`depth_camera.rviz`)用于查看来自传感器的数据流。

#### 使用Python脚本测试读取图像数据
下面给出一段简单的Python代码片段作为例子展示怎样获取并显示由该型号摄像头捕捉的画面帧：

import rospy
from sensor_msgs.msg import Image
from cv_bridge import CvBridge, CvBridgeError
import cv2


def image_callback(msg):
    try:
        bridge = CvBridge()
        frame = bridge.imgmsg_to_cv2(msg, "bgr8")
        cv2.imshow("Camera Feed", frame)
        cv2.waitKey(1)

    except CvBridgeError as e:
        print(e)


if __name__ == '__main__':
    rospy.init_node('image_listener', anonymous=True)
    topic_name = "/camera/rgb/image_raw"
    rospy.Subscriber(topic_name, Image, image_callback)
    rospy.spin()

这段代码订阅了一个名为`/camera/rgb/image_raw`的话题，并将接收到的消息转换成OpenCV可以处理的形式，最后在一个窗口里实时呈现出来。