Skip to content

Latest commit

 

History

History
123 lines (103 loc) · 5.95 KB

VS2019编译opencv4.7.0（使用surf算法和yolov3）.md

File metadata and controls

123 lines (103 loc) · 5.95 KB

VS2019编译opencv4.7.0（使用surf算法和yolov3）

为什么要重新编译opencv源码？

opencv3之后要使用SURF,需要xfeatures2d模块，xfeatures2d模块被移到opencv_contrib了，所以要使用SURF，需要重新编译opencv源码和opencv_contrib源码。
本项目不仅要使用SURF算法，还要使用yolov3进行目标检测。由于目标检测用CPU跑不仅慢帧率还低，所以我们要用GPU跑。同样的darknet也要用GPU跑不然训练太慢。接下来将演示如何编译opencv4.7.0。

编译平台/依赖

  • win10
  • VS2019
  • python3.7.5 （不要用VS下载python，VS没有debug版本的python）
  • Cmake-gui（3.15.1）
  • opencv4.7.0
  • opencv_contrib-4.7.0（版本要和opencv一样）
  • 一张显卡
  • CUDA11.6.2（CUDA的版本计算能力要包含显卡的计算能力）
  • CUDNN（版本要和CUDA兼容）
  • 科学上网

编译前准备

  • opencv4.7.0下载

  • opencv_contrib-4.7.0到github下载

  • CUDA下载安装

    为了让opencv yolov3使用GPU跑，要启用CUDA。
    我的显卡是1650s，根据CUDA百科，1650s的计算能力是7.5，而CUDA10.0以上的版本才支持7.5的计算能力。

    然后在命令行用nvidia-smi查看显卡驱动适配的最高CUDA版本
    可以看到1650s显卡支持最高CUDA版本是11.7，你下载的CUDA版本必须低于该版本，这里我选用CUDA11.6.2版本。
    CUDA官网（可能需要登录英伟达账号）
    CUDA11.6.2下载
    安装

    安装比较简单，如果不想更新显卡驱动建议选择自定义安装，取消勾选显卡驱动。

  • cuDNN下载解压并拷贝文件到CUDA目录

    cnDNN官网（可能需要登录英伟达账号）
    cuDNN8.7.0下载
    这里我直接下载兼容CUDA11.x的最新版本cuDNN8.7
    下载完将cuDNN解压包内的include，bin，lib里的文件拷贝到CUDA对应的include，bin，lib内

  • 使用opencv-4.7.0的下载缓存文件（可选）

    opencv配置的时候要下载很多文件（大概160MB），如果你网络不好就可能下载失败，导致配置报错或者编译VS项目的时候报错，即使科学上网也可能下载失败。所以我这里将opencv-4.7.0版本的下载缓存文件备份到QQ群，有需要加群获取。直接用我的缓存文件配置过程会非常快。当然你必须用4.7版本，其它版本我不保证不会出问题。

CMake配置

至少要配置三次

第一次配置

打开Cmake-gui，输入opencv源目录和输出目录，我的构建目录如下

  • CMake源目录是：D:/dev/up/opencv-4.7.0-build/opencv-4.7.0
  • 输出目录是：D:/dev/up/opencv-4.7.0-build/generate
  • 最后生成文件所在目录：D:/dev/up/opencv-4.7.0-build/generate/install image.png
  • 点击configure，选择VS2019，x64平台（默认），配置过程比较慢，耐心等待。

第二次配置

取消勾选

  • Python相关选项（不用python可以不选）
  • JAVA相关选项
  • test相关选项

勾选

  • BUILD_opencv_world（开发环境可勾选，部署不勾选）
  • OPENCV_ENABLE_NONFREE
  • WITH_CUDA
  • OPENCV_DNN_CUDA
  • OPENCV_EXTRA_MODULES_PATH 选择目录：[你的路径]/opencv_contrib-4.7.0/modules

第三次配置

勾选CUDA并且configure过一次后才会出现以下选项：

  • WITH_CUDNN
  • CUDA_ARCH_BIN 只保留：7.5

上面选项的作用

启用BUILD_opencv_world好处是只有一个dll，坏处是默认编译所有opencv模块，dll很大，release版在200M到300M左右。
OPENCV_ENABLE_NONFREE是为了使用surf算法（特征匹配）。
WITH_CUDA，OPENCV_DNN_CUDA，WITH_CUDNN是为了使用GPU版darknet或者GPU版opencv yolov3。
OPENCV_EXTRA_MODULES_PATH指定额外模块的位置，该模块包含xfeature（使用surf算法）。
CUDA_ARCH_BIN指定了CUDA计算能力，7.5对应1650s显卡。

编译流程

  1. configure成功后generate,然后打开OpenCV.sln
  2. 选择Debug和x64
  3. 生成opencv_world模块，大概用了30分钟，编译完会生成opencv_world470d.lib和opencv_world470d.dll（这步可选）
  4. 生成ALL_BUILD项目
  5. 最后生成INSTALL项目（所有输出文件都在这）
  6. 删除install目录里无用的文件，然后将install拷贝到调用项目
  7. 切换Release和x64再编译一遍

编译时可能遇到的错误

错误1

fatal error: boostdesc_bgm.i: vgg_generated_80. vgg_generated_120.i没有那个文件或目录

解决方法：下载下列文件，拷贝到opencv_contrib/modules/xfeatures2d/src/目录

boostdesc_bgm.i
boostdesc_bgm_bi.i
boostdesc_bgm_hd.i
boostdesc_lbgm.i
boostdesc_binboost_064.i
boostdesc_binboost_128.i
boostdesc_binboost_256.i
vgg_generated_120.i
vgg_generated_64.i
vgg_generated_80.i
vgg_generated_48.i

错误2

Cannot open include file: 'features2d/test/test_detectors_regression.impl.hpp': No such file or directory

解决方法：将opencv-build\opencv-4.3.0\modules\features2d目录拷贝到opencv-build\generate（CMake生成目录）

最后