目的:
- 负责人说做研究要用matlab,我们又在用orb-slam,所以就准备把orb-slam全套移植到matlab里面。
细节:
- orb-slam中的函数一个一个的在matlab里面写。但是matlab本身不是面向对象的,所以算法的整体架构还是有变换。
- 设计了一个核心数据结构,这个结构中存储了所有算法的状态:3d点,frame等。所有函数都直接和这个结构交换数据。
- 支持把这个matlab的核心结构和c++的核心结构中间通过matlab的mex机制进行转变。也就是可以某些模块可以在matlab里完成,然后把matlab核心结构转换为c++的核心结构,然后又在c++中完成另外一个步骤。后面还可以再把数据换回来。而c++中又实现了一个自定义的c++核心结构和orb-slam数据的转换。
讨论:
- 其实matlab只适合一些单个功能的原理验证。因为matlab并不适合复杂的程序的管理。并且很多算法的问题其实是工程化的问题,特别是3d视觉。所以即使matlab里面跑得再好,也不能保证c++中没有问题。其实很多时候是很多问题必须针对c++这种语言来解决,是找不到通用的解决方法的。所以做3d视觉的研究最好直接在c++上进行。
- 一开始没有直接针对问题来考虑做什么事情,所以做了很多看似很复杂,但实际没什么效果的事情。
- matlab的mex机制真的用起来很麻烦。里面全是指针的运算,一不小心就越界了。
- 并且matlab的运行速度真的很慢,为了提高速度需要做很多针对matlab的优化,但是这些优化对最终的产品没有任何用处。而算法的运算速度直接影响算法的调优。
- 这种所有函数都和一个核心结构交换数据的方式其实并不太好。程序小的时候用起来很方便。但是因为每个函数的输入输出其实很不明显,造成的问题有:
- 其他人阅读代码很不方面
- 调试很不方便,因为很难做函数的单元测试了
- 个人现在比较推荐以函数编程为主,面向对象为辅。面向对象只在局部使用,不要出现那种超大的万能的对象。这样每个模块只能拿到自己需要的那部分数据。虽然这样会多很多结构的转换和内存拷贝。但个人觉得在研发阶段是值得的。等到最后做速度优化的时候,只把造成瓶颈的地方改为内存共享。
- 不使用matlab,但不是说算法的子模块研究不重要。其实要真正研究透一个算法,必须要把里面的子模块独立出来,在不同的环境下,看这个模块的性能,这样才能明白这个算法为什么要使用这个模块。