Kintinuous算法+Ubuntu19.10编译过程记录

写在前面

这篇博文告诉你什么：Kintinuous编译过程可能遇到的一些问题和解决办法。属于汇总贴。同时证明了较新系统中运行编译Kintinuous的可行性。
不告诉你什么：算法解析。

工作过程

下面将记录一遍整个工作的流程（具体命令将省去，详情见参考链接）。

1. 查询获取Kintinuou项目，并从项目中获知所需的依赖环境。
   （https://github.com/mp3guy/Kintinuous）

2. 进入ubuntu实体机（具体版本为19.10），本项目环境配置必须在Linux的实体机上进行。因为项目需要使用cuda，而虚拟机中大概率获取不到真正的显卡硬件。
   （https://blog.csdn.net/cbd_2012/article/details/84581621）

3. 安装必备的依赖。
   （下几步库安装可参考https://blog.csdn.net/lzRush/article/details/89089233）

4. 安装NVDIA及CUDA。本人的系统自带NVDIA的430版本驱动，适合10.1版本的CUDA，故直接安装CUDA。该步骤耗时较长，但直接根据官方提示进行即可。

5. 安装OpenNI2及PCL1.7。

6. 安装OpenCV2.4。这步应该是问题最大的。可能的出现的问题和解决方案如下： cmake库找不到：
   https://blog.csdn.net/qq_17783559/article/details/105078293；
   非常常见的openCV版本与CUDA版本不兼容，即找不到CUDA_nppi_LIBRARY (ADVANCED)，使用下面的1235步：
   https://blog.csdn.net/u014613745/article/details/78310916；
   Make过程也可能出现许多报错，如缺少stdlib.h库，通过cmake增加-DENABLE_PRECOMPILED_HEADERS=OFF解决；
   avcodec_free_frame not
   declared等报错属于ffmpeg库不兼容，可自行编译ffmpeg库，操作见Kintinuous项目Readme，或可在cmake中取消with_ffmpeg，据说并不会影响其他功能；
   其他一些make错误不一一指出直接google就有解决方案，一个比较汇总的链接如下：
   https://blog.csdn.net/u012796629/article/details/89857190； Make
   install成功后，其他库引用openCV可能出现找不到shared library（本人在编译Kintiuous时遇到），解决方案：
   https://stackoverflow.com/questions/12335848/opencv-program-compile-error-libopencv-core-so-2-4-cannot-open-shared-object-f；
   以及找不到一些与cuda相关的opencv_dev_cudart库等，解决方案是自行拷贝CUDA目录中相关库，或者在提示错误的项目cmake增加-D
   CUDA_USE_STATIC_CUDA_RUNTIME=OFF，参考：
   https://blog.csdn.net/Hansry/article/details/90675208；
   另外可能注意的问题是gcc与g++版本，由于cuda10安装仅支持gcc8，故整个过程都使用的是gcc8及g++8，注意两者版本应一致。Linux中多版本软件可自行切换，具体参考google。

7. 安装DLib（v1.0），DBoW2（v1.0）,
   DLooperDetector（v1.0），ISAM（v1.7），Pangolin（最新）。链接均可参考Kintinuous中给出的。

8. 编译Kintinuous。该步也可能出现较多问题。如使用高版本导致abs的报错，自行更改源码即可；Unsupported gpu
   architecture 'compute_20’及no kernel image is available for execution
   on the device ，两个问题都通过cmake中增加-D
   CUDA_TOOLKIT_ROOT_DIR=/usr/local/cuda-10.1 -D CUDA_ARCH_BIN=6.1 -D
   CUDA_ARCH_PTX=6.1解决了（本人CUDA10.1+GPU GTX1050
   Pascal架构），如无法解决则查询GPU所适配的架构和算力。参考Kintinuous项目中的Issues:
   https://github.com/mp3guy/Kintinuous/issues/40。

9. Kintinuous正常运行样例。

10. 下载TUM测试集。通过png_to_klg项目把RGB_D数据转换为Kintinuous读取的klg文件，项目地址：https://github.com/HTLife/png_to_klg（该项目配置在完成前面的配置后可轻松完成）。转换数据集进行测试。测试过程Kintinuous出现报错，Assertion `deformationGraph’ failed.已放弃
    (核心已转储)，解决方法同样参考Issues：https://github.com/mp3guy/Kintinuous/issues/63；
    或是https://blog.csdn.net/solo_ws/article/details/72887562
    。上述核心已转储问题以已其他方式出现，针对特定的数据集无法正常运行，未找到原因。

至此成功完成了Kintinuous算法的编译运行测试等工作。

最后

最后放几张运行结果：