SLAM拾萃(3)：siftGPU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 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。
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./~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./ 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：
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 new’ as 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> 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：
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。
|
|
|
