源码实践指南——相机重定位Learning Less is More – 6D Camera Localization via 3D Surface论文的环境配置+代码运行

 

首先，这篇文章还挺有意思的，Learning Less is More – 6D Camera Localization via 3D Surface Regression，过几天会整理一下论文笔记，作者放出了源码和训练好的模型，当然就忍不住赶紧上手一下啦，不过他的深度学习也是c++写的，torch+lua，安装的时候不免出各种意外...尤其是本人是在服务器上运行的，实验室服务器上用户很多，也有一些不该遇见的小毛病，现在一并解决，和大家分享一下。

本博客编辑逻辑：不想大家和我一起淌坑了，所以会按照改正后的顺利的方法把所有的步骤贴出来，并且在每一步的最后，和大家来讲讲我遇到的坑和如何解决的。对此，如果你从没有安装过，只要跟着步骤走就行，不用关心坑；如果你已经执行了某些步骤，然后在某一个环节卡壳了，请根据目录到对应的环节里查看解决方案。当然，可能你的问题不在我的解决方案解决的范畴内，请google请google请google，我的经验就是百度解决不了：）。开头的资源是几个依赖的压缩包，如果后续下载网址失效了，可以下载这个压缩包，现在不用下载。

---

1）下载源码

2）libpng和PNG++安装

坑1：recipe for target ‘test’ falied

3）lua安装

4）torch安装

5）luajit-rocks安装

坑2：usr/bin/ld: cannot find -lluajit

6）CMakeLists.txt修改&源码编译

坑3 /usr/lib/x86_64-linux-gnu/libopencv_highgui.so.2.4.9: undefined reference to `TIFFReadRGBAStrip@LIBTIFF_4.0'

7）运行问题-找不到libcudnn.so.5

关于如何解决core dumped问题

---

1）下载源码

源码地址，Readme以及DSAC文章的documentation好好读读，都会更快地上手代码。

2）libpng和PNG++安装

Readme中指出PNG++是必须的，然后libpng作为PNG++的依赖也是必须的。先安装libpng

下载libpng-1.2.50版本（为什么是这个版本，先别问，马上揭晓），下载地址

解压后执行如下指令进行安装

cd libpng-1.2.50
./configure
make check
sudo make install
make check
sudo ldconfig

安装好之后安装PNG++

下载PNG++0.2.7（为什么是这个版本，同上）， 下载地址，解压后安装

cd PNG++0.2.7
make
make test
make install

ok，这一路下来都很顺利对吧？因为 PNG++0.2.7 与 libpng-1.2.50适配，有的不按这个版本安装的，会在安装PNG++的 make test这一步报错

坑1：recipe for target ‘test’ falied

查看test.log发现

/convert colorspace: error while loading shared libraries: libpng16.so.16: cannot open shared object file: No such file or directory

或者是

out/pngsuite/basi2c16.png.GRAY.8.out cmp/pngsuite/basi2c16.png.GRAY.8.out differ: byte 53, line 3

究其原因，都是因为libpng的版本与PNG++的版本不适配，所以！如果想运行lessmore程序，或者自己的PNG++安装失败，请下载安装PNG++0.2.7 与 libpng-1.2.50，请认准PNG++0.2.7 与 libpng-1.2.50！

 

3）lua安装

lua我使用的版本是5.3，安装很简单，应该不会有什么问题

cd lua-5.3.0
make linux
make install

如果想验证自己是否安装ok，输入如下指令，看看是否会打印hey，然后退出。

lua
print("hey")

4）torch安装

为什么这里不装luajit而是装torch，这是一个坑...我们先来讲讲torch的安装。

Torch是一个基于Lua语言的深度学习框架，官网，官方文档，ok，我们照着官方文档安装，依次输入如下指令：

git clone https://github.com/torch/distro.git ~/torch --recursive
cd ~/torch
bash install-deps
./install.sh

source ~/.bashrc
source ~/.profile

为了验证torch是否装好，输入指令th验证

出现如下画面即为安装成功。

5）luajit-rocks安装

输入如下指令进行luajit的安装，要注意倒数第二行的/your/prefix，是你自己指定的安装路径，这个路径后面很重要。

git clone https://github.com/torch/luajit-rocks.git
cd luajit-rocks
mkdir build
cd build
cmake .. -DCMAKE_INSTALL_PREFIX=/your/prefix
make install

ok，这样luajit也就安装好了，可以查看luajit的版本，输入 luajit -v 如下页面即为安装成功。

坑2：usr/bin/ld: cannot find -lluajit

由于我是直接下载的luajit安装包，然后安装的luajit，看似luajit安装成功，但是在编译论文源码时一直无法完成，报错usr/bin/ld: cannot find -lluajit，说的是找不到luajit的依赖项。为此也是谷歌了一大堆，给的都是如何解决usr/bin/ld: cannot find -lxxlib的问题，包括新建软链接等，做出种种尝试无果之后，我又换到服务器上去进行编译，在用解决usr/bin/ld: cannot find -l的指令locate libluajit.so时，发现其他同学的libluajit都在torch文件夹下，所以决定安装torch，果然就解决了这个问题，torch是自带luajit的。

所以如果有同学也碰见了usr/bin/ld: cannot find -lluajit的问题，请先安装torch

如果安装了torch还是报错，请修改CMakeLists.txt，怎么修改？见下面的步骤六

6）CMakeLists.txt修改&源码编译

hey朋友，不要以为安装好这些依赖就可以直接上手了，环境都不一样要先修改CMakeLists.txt，其实别的改动也不多，主要是link一下luajit，还记得上一步我们说的luajit安装到你指定的/your/prefix路径吗？把它链接进来，同时，作者在源码添加的头文件目录include_directories(/usr/include/lua5.3)对我们已经无效了，注释掉（如果你的lua的确在这个文件夹下你也可以不注释，总之要对应上）。

最后修改后的CMakeLists.txt为：

hey，/your/prefix路径是代指，不要原模原样写进去呀！此时，CMakeLists.txt搞定！

--------------------------------------

好了终于可以编译源码了，惯例操作

mkdir build 
cd build
cmake ..
make

然后它可能又报错了....是因为libtiff的问题

坑3 /usr/lib/x86_64-linux-gnu/libopencv_highgui.so.2.4.9: undefined reference to `TIFFReadRGBAStrip@LIBTIFF_4.0'

如果你安装了anaconda，那么你引起问题的原因可能和我一样，请查看这篇帖子，下面是我贴出的中文解释

解决的办法很简单，把

/.bashrc里面的export anaconda3/bin路径注释掉

source ~/.bashrc更新一下，然后重新编译。

 

至此，编译就不会有什么问题了。

---

7）运行坑-找不到libcudnn.so.5

你以为编译没问题就ok了吗？太年轻，作者的代码用的是libcudnn.5，而现在的cuda-9.0用的一般是7.5/7.0，运行报错，找不到cudnn5，这是最后一个坑。如果你有cuda-8.0，请直接用cuda-8.0，且cuda-8.0/iib64里有libcudnn.so.5，可以直接在运行代码前，手动指定cuda路径

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

如果没有，下载cudnn5

sudo tar -zxvf ./cudnn-8.0-linux-x64-v5.1.tgz
sudo cp cuda/include/cudnn.h /usr/local/cuda-8.0/include
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-8.0/lib64
sudo chmod a+r /usr/local/cuda-8.0/include/cudnn.h /usr/local/cuda-9.0/lib64/libcudnn*

同样的，运行前手动指定cuda路径/在cmakelists里面写好cuda路径。

ok，终于顺利完成了。现在开始训练，测试代码吧！

最后的界面大概是这样

我选了office的seq-02进行测试（数据集会给出测试和训练的划分），最终得到的结果 1.3deg 和 0.2m和论文的结果差距不大。

over！ Wish u good luck！

 

参考链接：

解决libtiff的问题 https://github.com/lagadic/visp/issues/109

torch安装 http://torch.ch/docs/getting-started.html#_

论文源码 https://github.com/vislearn/LessMore

---

ps：最后补一个小点

关于如何定位core dumped的错误

一开始我下载了作者的data_structure之后我以为里面是有数据的，运行代码报错，core dumped

这里使用的指令如下：

dmesg
addr2line -e ../../test_ransac 000000000044e275 -f

首先dmesg会报出你这个程序运行错误的地址，见下图：

error 4 一般是用户内存错误，ip后的第一个长串数字代表出错的地址。

第二行代码，就是把这个出错的地址的函数找到：-e代表的是你指定的那个程序的位置（我的程序是test_ransac） -f是输出错误的函数(输出函数设置) 然后得到我错在main函数...再去正常输出调试，就能发现问题！我的问题就是我根本没输入，那里面竟然没有数据集>~<，所以大家记得去下载数据集 7scenes/12scenes....

 

关于core dumped的解决，我参考的下面两篇博客有更详细的介绍：

https://www.cnblogs.com/qhbk/p/7666324.html

https://www.cnblogs.com/panfeng412/archive/2011/11/06/segmentation-fault-in-linux.html

                                                                                                                                                                                      2019.11.28