BundleFusion在win10+vs2013+cuda8.0上的实现

介绍

在深度相机室内实时稠密三维重建领域,BundleFusion是目前效果最好的开源算法框架。论文地址:https://arxiv.org/pdf/1604.01093.pdf
演示视频截取片断:
在这里插入图片描述
视频地址:https://www.youtube.com/watch?v=keIirXrRb1k
在演示视频中,structure sensor是卡在iPad上,将采集到的数据通过无线网络传给台式机(带GPU),匹配、优化和重建工作都是在台式机上运行,重建的结果再通过无线网络传到iPad上显示。
重建效果图:
在这里插入图片描述

一、配置

1、cuda8.0安装

#建议安装:cuda8.0vs2013
#卸载cuda10.0
在控制面板/卸载程序,卸载掉所有带有NVIDIA的程序,卸载顺序不影响
#下载cuda8.0:https://developer.nvidia.com/cuda-80-ga2-download-archive ,并运行安装。
在这里插入图片描述
#验证安装成功,输入nvcc --version
在这里插入图片描述

2、DirectX SDK安装

下载地址:http://download.microsoft.com/download/A/E/7/AE743F1F-632B-4809-87A9-AA1BB3458E31/DXSDK_Jun10.exe ,运行安装。

#若运行安装出现 错误 ErrorCode:s1023
解决办法1:
在这里插入图片描述
控制面板卸载以上两项,再重新安装DXSDK_Jun10.exe即可。

大部分通过这个方法可以解决,如果以上两项不存在或者卸载后仍不能解决问题(比如我),可能Microsoft Visual C++ 运行库安装有问题,得删除并重新安装 Microsoft Visual C++ 运行库,步骤如下:

1、控制面板卸载名称包含“Microsoft Visual C++”和“Redistributable”的所有程序
2、下载并安装以下所有软件:

Microsoft Visual C++ 2005 SP1 Redistributable (x86)
Microsoft Visual C++ 2005 SP1 Redistributable (x64)
Microsoft Visual C++ 2008 SP1 Redistributable (x86)
Microsoft Visual C++ 2008 SP1 Redistributable (x64)
Microsoft Visual C++ 2010 SP1 Redistributable (x86)
Microsoft Visual C++ 2010 SP1 Redistributable (x64)
Microsoft Visual C++ 2012 Update 4 Redistributable(x86 和 x64)
Microsoft Visual C++ 2013 Update 5 Redistributable Package(x86 和 x64)
Microsoft Visual C++ 2015 Update 3 Redistributable(x86 和 x64)

注意:

  • 每个下载的文件名均相同,因此在安装它之前,请确保不覆盖之前的文件。下载一个安装一个,然后再下载下一个并安装,依此类推。
  • 64 位系统上需要 x86 和 x64 版本。32 位系统只需要 x86 版本。

3、重启后,控制面板卸载2010两项,再重新安装DXSDK_Jun10.exe,即可解决。

二、vs2013代码生成

BundleFusion GitHub地址:https://github.com/niessner/BundleFusion
配置过程主要参考这里

从GitHub上下载该BundleFusion,并解压,得到工程 BundleFusioin-master

1、mLib与 mLib external配置

mLib

下载地址:https://github.com/niessner/mLib ,解压后,替换掉目录 BundleFusion-master\external\mLib

mLib external

下载地址:https://www.dropbox.com/s/fve3uen5mzonidx/mLibExternal.zip?dl=0 ,解压后,放到 BundleFusioin-master 同级目录,网址访问不了的话可以用我传到网盘的mLibExternal.zip:链接:https://pan.baidu.com/s/1CJysQCHl4t7RPfvqliwfew 提取码:0x4t

最终目录结构:

bundlefusion
	BundleFusion-master/
	  external/
	    mLib/ # this is the submodule you replaced
	      data/
	      src/
	      [...]
	  FriedLiver/
	    [...]
	    FriedLiver.sln
	    [...]
	mLibExternal/ # you downloaded this from Dropbox
	  include
	  libsWindows
	  [...]

2、cuda设置

修改cuda版本

用VS2013打开 BundleFusion-master\FriedLiver\FriedLiver.sln 工程,如果cuda版本不是原代码设置的cuda7.0,就会出现如下错误:
在这里插入图片描述
修改 BundleFusion-master\FriedLiver\FriedLiver.vcxproj 文件,用vs code打开该文件,并修改如下两行:
在这里插入图片描述
在这里插入图片描述
再次打开就不会报错了。

显卡计算能力设置

选择适合你显卡的compute能力,显卡计算能力在这里查询
我的笔记本显卡NVIDIA GeForce MX150,计算能力与GeForce 940M等同,为5.0,在工程的配置选项中设置如下:
在这里插入图片描述

3、相机类型设置(以apt0.sens离线数据为例)

输入类型

输入数据可以为Kinect v1,Kinect v2,PrimeSenseSensor,IntelSensor,RealSense,StructureSensor以及SensorDataReader(离线数据)
具体可以查看FriedLiver.cpp中7-103行的内容

没有深度相机的,以离线数据office3.sens为例,下载地址:http://graphics.stanford.edu/projects/bundlefusion/

修改GlobalAppState.h

因为使用的是离线数据,将GlobalAppState.h中深度相机全部注释掉。
在这里插入图片描述
注:如果用深度相机(如:Kinect v1)实时运行,用哪个将哪个取消注释,并安装对应SDK。

4、生成FriedLiver.exe

修改为 Release 版本,然后选择 生成->生成解决方法
编译通过后,如下图:
在这里插入图片描述
BundleFusion-master\FriedLiver\x64\Release中生成可执行文件FriedLiver.exe

三、运行与结果

1、配置文件修改

BundleFusion-master\FriedLiver 目录下的 zParametersBundlingDefault.txtzParametersDefault.txt 拷贝到 BundleFusion-master\FriedLiver\x64\Release

修改zParametersDefault.txt

用vs code打开 zParametersDefault.txt 配置文件,选择输入类型,这里使用离线数据,修改第2行,设置s_sensorIdx = 8 。如果用深度相机(如:Kinect v1)实时运行,修改为对应的序列号。
在这里插入图片描述
修改第49行,设置s_hashNumSDFBlocks = 100000
在这里插入图片描述
修改第58行,设置输入路径s_binaryDumpSensorFile = "../data/office3.sens"
在这里插入图片描述
将下载的office3.sens放置到BundleFusion-master\FriedLiver\x64\data

修改zParametersBundlingDefault.txt

双击运行后,若出现窗口崩溃或者没有响应直接跳出,如下图:
在这里插入图片描述
用vs code打开 zParametersBundlingDefault.txt 配置文件,修改第30行,设置s_maxNumImages = 400

2、运行结果

配置修改后,双击运行FriedLiver.exe
在这里插入图片描述
按下tab键,如下图所示,按照提示与软件进行交互,按下ctrl+2显示带颜色深度,按下ctrl+3显示彩色视频流,按下ctrl+9导出当前模型到FriedLiver\x64\Release\scans\scan.ply ,具体实现代码查看FriedLiver\Source\DepthSensing\DepthSensing.cpp
在这里插入图片描述

3、模型生成

运行结束后,BundleFusion-master\FriedLiver\x64\data\office3.sens同目录下生成office3.ply,用meshlab打开
在这里插入图片描述

4、在Kinect v1上的实时运行

安装 Kinect SDK v1.8

Kinect for Windows SDK v1.8
Kinect for Windows Developer Toolkit v1.8
下载后默认安装

设置Kinect v1输入

重新打开 BundleFusion-master\FriedLiver\FriedLiver.sln 工程,将GlobalAppState.h中第三行取消注释
在这里插入图片描述
选择 生成->生成解决方法,即可编译通过。

zParametersDefault.txt 配置文件,选择输入类型,这里使用Kinect v1,修改第2行,设置s_sensorIdx = 0

实时运行

插上Kinect v1,双击运行FriedLiver.exe
在这里插入图片描述

  • 6
    点赞
  • 47
    收藏
    觉得还不错? 一键收藏
  • 47
    评论
### 回答1: OpenCV是一个开源的计算机视觉和机器学习库,可以方便地处理图像和视频。而CUDA(Compute Unified Device Architecture)是由NVIDIA开发的一种并行计算架构,可以加速图形处理器(GPU)上的计算任务。 OpenCV 4.5.1是OpenCV的一个版本,它提供了丰富的功能和算法,用于图像和视频处理、特征提取、目标检测等任务。这个版本可以在Windows 10操作系统上使用,并且可以与Visual Studio 2017集成,提供开发环境和调试工具。 CUDA 10.0是NVIDIA的一个版本,它支持NVIDIA GPU上的并行计算任务。它允许开发人员使用C语言、C++CUDA自己的扩展语言编写并行计算代码,以加速计算密集型任务。例如,在图像处理中,可以使用CUDA加速OpenCV算法,从而提高计算性能。 而cuDNN(CUDA Deep Neural Network library)是NVIDIA专门为深度学习任务开发的一个库。它提供了一组高性能的深度神经网络的基本操作和优化算法,可以与CUDA和OpenCV结合使用。 综上所述,OpenCV 4.5.1可以与CUDA 10.0和cuDNN 7.6.0集成使用。开发者可以在Visual Studio 2017中使用这些工具和库进行图像处理和机器学习任务的开发和优化。通过使用CUDA加速,可以提高计算性能,而cuDNN可以提供深度学习任务所需的算法和操作。 ### 回答2: OpenCV 4.5.1是一个计算机视觉库,用于在计算机视觉和机器学习项目中进行图像和视频处理。VS2017是一个集成开发环境(IDE),用于Windows操作系统上的软件开发。CUDA(Compute Unified Device Architecture)是一个用于GPU计算的并行计算平台和API模型。CUDNN是NVIDIA深度神经网络库,用于在GPU上加速深度学习任务。 在Windows 10上使用VS2017来编译OpenCV 4.5.1,并在CUDA 10.0和CUDNN 7.6.0的支持下进行构建可以提供更好的计算性能和加速。CUDA 10.0提供了与CUDA架构和驱动程序的兼容性,并支持许多NVIDIA GPU。CUDNN 7.6.0是基于CUDA的深度神经网络库,可以加速深度学习任务的训练和推理。 使用VS2017编译OpenCV可以让开发者方便地在Windows平台上进行开发和调试。VS2017提供了强大的集成开发环境,它可以帮助开发者编写、调试和测试程序。通过配置CUDA 10.0和CUDNN 7.6.0来支持OpenCV的GPU加速,可以进一步提高图像和视频处理的速度和效率。 总结来说,使用OpenCV 4.5.1、VS2017、Windows 10、CUDA 10.0和CUDNN 7.6.0可以实现在Windows平台上的高效计算机视觉和机器学习开发。这种配置可以提供更好的性能和加速,特别是在需要处理大量图像和视频、进行深度学习任务的情况下。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 47
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值