[学习笔记]SiftGPU入门

当有读者看到我这篇SiftGPU入门的学习笔记时，相信你已经读过了高博那篇《SLAM拾萃：SiftGPU》，那篇文章写于16年，已经过去两年的时间。在我尝试配置SiftGPU的环境时，遇到了几个问题，在网络上也少有较为系统的关于SiftGPU的介绍，因此觉得有必要记录下来，以便同样对此感兴趣的同学们少走弯路。

暑假的时候参加了高分举办的无人机大赛，在进行图像处理的时候用到过特征提取，当时主要是考虑SIFT和SURF两种方法，由于提取速度上的优势，我采用了SURF。比赛之后读过一些博客和文章，发觉SIFT的准确率应该更高一些，而我在比赛中也发现SURF偶尔会出现无法匹配的情况。OpenCV集成了SIFT算子，我们可以比较容易地利用其中的函数进行特征点的检测，而由于传统的SIFT算法速度较为缓慢，检测一张图片在台式机上通常都需要100+ms，因此传统的SIFT算法很难应用在无人机这种资源紧张而且对速度要求很高的平台上。目前我们组的无人平台上主要应用过ORBSLAM和VINS。

我的原计划是阅读Lowe的论文，理解算法的原理，而后对源码进行一定的优化以在特定的情景中加快检测速度，然而在一次组会中，老板提到了SiftGPU让我去了解一下，于是就有了这篇学习笔记。原作者Wu Changchang来自北卡罗来纳大学教堂山分校，高博文章中的下载链接基于此。

笔者使用的是Ubuntu 16.04的系统，工作机配置了CUDA9.0，笔记本配置的是CUDA9.2，OpenCV的版本都是3.2.0，关于OpenCV及其contrib的编译可以参照我的另一篇博文[环境配置]Ubuntu 16.04 源码编译安装OpenCV-3.2.0+OpenCV_contrib-3.2.0及产生的问题。SiftGPU大部分代码是基于OpenGL的，因此不编译CUDA也没有问题，两者速度的对比后面会提到。

---

下载和编译

源码编译之前我们需要安装一些包以及Glew。

$ sudo apt-get install libgl1-mesa-dev libglu1-mesa-dev freeglut3-dev libdevil-dev

Glew的源码位于其官网，下载最新版的即可，之后直接解压。

$ cd Downloads/glew-2.1.0
$ make
$ sudo make install

我们需要告诉系统的cmake工具编译好的文件的位置。

$ sudo ldconfig /usr/lib64/

接下来就是SiftGPU的编译了，Wu Changchang的源码链接已经失效，因此只能去万能的github上下载源码了。但是这个版本的SiftGPU有几处问题，编译之前需要更正，否则无法正确编译完成，为方便起见，我fork之后更新了需要更正的文件，放在我的github上，大家可以直接clone我