码迷,mamicode.com
首页 > 其他好文 > 详细

SLAM拾萃(3):siftGPU

时间:2016-01-21 19:44:34      阅读:160      评论:0      收藏:0      [点我收藏+]

标签:

前言

  本周博客我们给大家介绍一下SiftGPU。由于特征匹配是SLAM中非常耗时间的一步,许多人都想把它的时间降至最短,因此目前ORB成了非常受欢迎的特征。而老牌SIFT,则一直给人一种“很严谨很精确,但计算非常慢”的印象。在一个普通的PC上,计算一个640$\times$480的图中的SIFT大约需要几百毫秒左右。如果特征都要算300ms,加上别的ICP什么的,一个SLAM就只能做成两帧左右的速度了,这是很令人失望的。而ORB,FAST之类的特征,由于计算速度较快,在SLAM这种实时性要求较高的场合更受欢迎。

  那么,今天我们来说一个GPU版本的SIFT。它是由Wu Changchang同学写的。它能够明显地提升你的程序提取SIFT的速度。同时,它的代码大部分是基于OpenGL的,即使在没有英伟达显卡的机器上也能运行起来。但另一方面,出于某种(历史或人为的)原因,SiftGPU的代码配置起来并不很容易(特别是在Linux下,似乎SiftGPU作者是在win下开发的),代码新人可能会觉得比较困难。现在我们带着大家实践一下SiftGPU,我会给出一个例程供大家测试。

  首先,说说我的运行配置。我用的机器是Thinkpad T450, Intel+Nvidia GetForce 940m显卡。但我个人只用Intel卡,所以我就不编译Cuda了。各位有上好N卡的同学也可以搞个Cuda下来编,可能会提高一点速度(但我不保证)。我使用的操作系统是Ubuntu 14.04,OpenCV3.1版本。所以我假设你OpenCV已经装好啦!(所以c++编译器总有的吧!) 不过opencv是不是3.1版本是没关系的,程序在2.x版本上也是能正常运行的。

技术分享

  小萝卜:师兄你这真是宅男标配啊!你到底是在讲配置环境还是在秀桌面啊!


下载SiftGPU与依赖库

   SiftGPU主页:http://www.cs.unc.edu/~ccwu/siftgpu/ 

  请找到“SiftGPU-V400"那个下载链接,保存到你的电脑上。然后解压缩,进入压缩后的文件夹。假定你也在用Ubuntu,那么你现在的目录应该是 ~/Downloads/SiftGPU/ 。注意,为了和我保持一致,请你暂时不要下载github上面那个版本,那个与它稍有不同。如果你就是喜欢github,可以把这个编译好,再考虑用github版本。

  现在我们来安装依赖项。首先,确保你机器上有OpenGL,请安装以下几项工具:

1 sudo apt-get install libgl1-mesa-dev libglu1-mesa-dev freeglut3-dev 

   然后,要安装glew1.5.1以上版本。据我个人经验,最好是去下载glew网站的版本。

  glew的网址:http://glew.sourceforge.net/

  请下载那个1.13.0版本,zip文件或tgz均可。下载到本地并解压,然后进入该文件夹。我的在~/Downloads/glew-1.13.0

  glew是用makefile直接编译的,不用cmake。所以我们直接敲:

1 make 
2 sudo make install 

   即可。很快它就编译好了。

  注意看make install输出的信息。它默认把编译好的库文件libglew.so.1.13放到了/usr/lib64下。由于之后我们要用cmake去编,但是它可能找不到这个文件夹,所以我们现在先告诉系统,该文件夹下有要找的链接库:  

1 sudo ldconfig /usr/lib64/

   ok,现在我们处理完了glew,转去编译SiftGPU。SiftGPU也是用Makefile编译的。现在转到SiftGPU所在文件夹。调用

1 make

   来完成编译。如果顺利的话,你会在bin/目录里得到几个二进制和一个libsiftgpu.so库文件。我们主要使用这个库文件。现在看一下它的链接是否正确:

1 ldd bin/libsiftgpu.so

   这个命令会输出与它链接的库的信息。请保证没有出现某个链接(特别是刚才的GLEW)没有找到的情况(否则这里会通过,但后面会出现undefined reference)。像我这样:

技术分享

  如果这步正确无误,恭喜你,SiftGPU已经编译完成了!真是可喜可贺呀!

  小萝卜:然后呢?师兄我还没看到什么感觉很厉害的东西啊?

  师兄:下面我们来实际找一个图片,写一段小程序调用SiftGPU,提一下特征试试。为测试速度,我们还要记录一下代码运行时间。


测试SiftGPU

  现在我们来写一个测试程序。由于它比较短,我就不专门搞个github了。请大家跟着我做即可。

  首先,随意新建一个目录,比如test_siftgpu。我们要写一个c++程序,然后用cmake编译它。现在新建一个main.cpp,内容如下:

 1 // SiftGPU模块
 2 #include <SiftGPU.h>
 3 
 4 //标准C++
 5 #include <iostream>
 6 #include <vector>
 7 
 8 // OpenCV图像
 9 #include <opencv2/core/core.hpp>
10 #include <opencv2/highgui/highgui.hpp>
11 
12 // boost库中计时函数
13 #include <boost/timer.hpp>
14 
15 // OpenGL
16 #include <GL/gl.h>
17 
18 using namespace std;
19 
20 int main( int argc, char** argv)
21 {
22     //声明SiftGPU并初始化
23     SiftGPU sift;
24     char* myargv[4] ={ "-fo", "-1", "-v", "1"};
25     sift.ParseParam(4, myargv);
26 
27     //检查硬件是否支持SiftGPU
28     int support = sift.CreateContextGL();
29     if ( support != SiftGPU::SIFTGPU_FULL_SUPPORTED )
30     {
31         cerr<<"SiftGPU is not supported!"<<endl;
32         return 2;
33     }
34 
35     //测试直接读取一张图像
36     cout<<"running sift"<<endl;
37     boost::timer timer;
38     //在此填入你想测试的图像的路径!不要用我的路径!不要用我的路径!不要用我的路径!
39     sift.RunSIFT( "/home/xiang/wallE-slam/data/rgb1.png" );
40     cout<<"siftgpu::runsift() cost time="<<timer.elapsed()<<endl;
41     
42     // 获取关键点与描述子
43     int num = sift.GetFeatureNum();
44     cout<<"Feature number="<<num<<endl;
45     vector<float> descriptors(128*num);
46     vector<SiftGPU::SiftKeypoint> keys(num);
47     timer.restart();
48     sift.GetFeatureVector(&keys[0], &descriptors[0]);
49     cout<<"siftgpu::getFeatureVector() cost time="<<timer.elapsed()<<endl;
50 
51     // 先用OpenCV读取一个图像,然后调用SiftGPU提取特征
52     cv::Mat img = cv::imread("/home/xiang/wallE-slam/data/rgb1.png", 0);
53     int width = img.cols;
54     int height = img.rows;
55     timer.restart();
56     // 注意我们处理的是灰度图,故照如下设置
57     sift.RunSIFT(width, height, img.data, GL_INTENSITY8, GL_UNSIGNED_BYTE);
58     cout<<"siftgpu::runSIFT() cost time="<<timer.elapsed()<<endl;
59 
60     return 0;
61 }

   Sift接口还是相当简单的。在这程序里,我们一共做了三件事。一是直接对一个图像路径提Sift,二是获取Sift的关键点和描述子。三是对OpenCV读取的一个图像提取Sift。我们分别测了三者的效果和时间。

  接下来,写一个CMakeLists.txt来编译上面的文件。

cmake_minimum_required(VERSION 2.8.3)
project(test_siftgpu)

# OpenCV依赖
find_package( OpenCV REQUIRED )

# OpenGL
find_package(OpenGL REQUIRED)

# GLUT
find_package(GLUT REQUIRED)

# Glew
find_package(Glew REQUIRED)

# SiftGPU:手动设置其头文件与库文件所在位置
include_directories("/home/xiang/Downloads/SiftGPU/src/SiftGPU/" ${OpenGL_INCLUDE_DIR})
set(SIFTGPU_LIBS "/home/xiang/Downloads/SiftGPU/bin/libsiftgpu.so")

add_executable( testSIFTGPU main.cpp )

target_link_libraries( testSIFTGPU
    ${OpenCV_LIBS}
    ${SIFTGPU_LIBS}
    ${GLEW_LIBRARIES} ${GLUT_LIBRARIES} ${OPENGL_LIBRARIES}
)

   对于SiftGPU,由于它本身没有提供cmake的配置,我们手动去设置了它的头文件与库文件的链接方式。大家可以学习一下这种比较土的办法……然后就是常见的cmake啦:

mkdir build
cd build
cmake ..
make

   等一下!是不是还忘了些什么呢?嗯,如果你直接去cmake的话,会报一个find_package找不到glew的错!因为我们装glew的时候是直接用make install装的嘛,cmake怎么会知道我们干了这件事呢?所以此时find_package(Glew REQUIRED)就会出错啦!

  小萝卜:为什么出错了你还是很高兴的样子……

  师兄:对!现在呢我们要自己写一个FindGlew.cmake文件喽。请打开你的编辑器,输入:

 1 #
 2 # Try to find GLEW library and include path.
 3 # Once done this will define
 4 #
 5 # GLEW_FOUND
 6 # GLEW_INCLUDE_PATH
 7 # GLEW_LIBRARY
 8 # 
 9 
10 IF (WIN32)
11     FIND_PATH( GLEW_INCLUDE_PATH GL/glew.h
12         $ENV{PROGRAMFILES}/GLEW/include
13         ${PROJECT_SOURCE_DIR}/src/nvgl/glew/include
14         DOC "The directory where GL/glew.h resides")
15     FIND_LIBRARY( GLEW_LIBRARY
16         NAMES glew GLEW glew32 glew32s
17         PATHS
18         $ENV{PROGRAMFILES}/GLEW/lib
19         ${PROJECT_SOURCE_DIR}/src/nvgl/glew/bin
20         ${PROJECT_SOURCE_DIR}/src/nvgl/glew/lib
21         DOC "The GLEW library")
22 ELSE (WIN32)
23     FIND_PATH( GLEW_INCLUDE_PATH GL/glew.h
24         /usr/include
25         /usr/local/include
26         /sw/include
27         /opt/local/include
28         DOC "The directory where GL/glew.h resides")
29     FIND_LIBRARY( GLEW_LIBRARY
30         NAMES GLEW glew
31         PATHS
32         /usr/lib64
33         /usr/lib
34         /usr/local/lib64
35         /usr/local/lib
36         /sw/lib
37         /opt/local/lib
38         DOC "The GLEW library")
39 ENDIF (WIN32)
40 
41 IF (GLEW_INCLUDE_PATH)
42     SET( GLEW_FOUND 1 CACHE STRING "Set to 1 if GLEW is found, 0 otherwise")
43 ELSE (GLEW_INCLUDE_PATH)
44     SET( GLEW_FOUND 0 CACHE STRING "Set to 1 if GLEW is found, 0 otherwise")
45 ENDIF (GLEW_INCLUDE_PATH)
46 
47 MARK_AS_ADVANCED( GLEW_FOUND )

   然后呢,把这个文件放到cmake的modules文件夹中去!这样cmake就会知道你在调用find_package(Glew)时怎么找啦!

sudo cp ./FindGlew.cmake /usr/share/cmake-2.8/Modules/

   注意到这个文件所在的目录通常是没有写权限的的哦!所以我们要用sudo提升到管理员权限才行呢。

  这时,再调用cmake ..,就不会报上面的错误啦!而编译也得以顺利进行下去了。

  但是!但是!编译还是出错了,错误如下:

/home/xiang/Downloads/SiftGPU/src/SiftGPU/SiftGPU.h:336:40: error: declaration of ‘operator newas non-function SIFTGPU_EXPORT void* operator new (size_t size);

   这是什么原因呢?g++的编译错误很难懂,一直为人诟病。师兄仔细查了查,发现SiftGPU作者重载了new运算符,但是它的参数"size_t size"中的"size_t"类型,在linux下编译是需要指定一个头文件的!所以我们打开~/Downloads/SiftGPU/src/SiftGPU/SiftGPU.h文件,在上头加入一个

#include <stddef.h>

 技术分享 

  这样编译器就会找到size_t类型啦!编译就能通过喽!


SiftGPU运行结果

  以下就是在师兄电脑上的运行结果啦,大家可以看一下:

技术分享

  对于OpenCV已经读入的数据,在640x480的分辨率下,用SiftGPU只需40多毫秒即可完成计算了呢!GPU真的是很强大啊!即使在没有Cuda的情况下都取得了近十倍的加速啊!效果拔群!

  小萝卜:我的ORB只要30毫秒就行了,哼.


小结

  本篇介绍了SiftGPU,我们带领读者完成了它的编译,并在自己的程序内实现了调用。可以看到它的加速效果还是不错的!

  另外,这也是我的一次尝试,告诉读者在编译过程中遇到问题该如何处理。我本可以直接跳过这些buggy的部分,告诉大家运行的结果。但我觉得这样子讲可能对读者更有帮助啦!


 

  如果你觉得我的博客有帮助,可以进行几块钱的小额赞助,帮助我把博客写得更好。

  技术分享

 

SLAM拾萃(3):siftGPU

标签:

原文地址:http://www.cnblogs.com/gaoxiang12/p/5149067.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!