# RoboMaster2022_visual_program

**Repository Path**: cheakf/RoboMaster2022_visual_program

## Basic Information

- **Project Name**: RoboMaster2022_visual_program
- **Description**: RoboMaster2022 TOE 实验室视觉项目
- **Primary Language**: C++
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2022-10-16
- **Last Updated**: 2023-02-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# RoboMaster2022 TOE 实验室视觉项目

## 主要目的

主要是将实验室的机器人视觉项目全部拿c++重写一遍。

## 文件结构

include中存放头文件声明

src存放源文件

test存放测试文件

asset存放其他的各项资源，包括测试用的视频，存放参数的json等等。

.vscode是存放vscode的配置文件

## 部署方式

本项目使用cmake组织项目，依赖于opencv,openvino

在这里介绍本项目开发时环境的搭建，用于作为演示。

本人开发机器Ubuntu20.04，i7-1165G7 16g内存 256g固态。

理论上只要是ubuntu20.04就不存在编译器版本问题。

其次是安装一些用到的系统应用

>sudo apt install g++ git zip make cmake wget python3-pip python3-numpy python3-venv ffmpeg -y

再其次安装opencv的编译依赖

>sudo apt install cmake build-essential pkg-config libgtk2.0-dev libavcodec-dev libavformat-dev libswscale-dev libjpeg-dev libpng-dev -y

然后获取opencv，开发时使用的版本为opencv4.5.3

>cd ~/Downloads
>
>wget opencv.zip https://github.com/opencv/opencv/archive/4.x.zip

然后解压并编译，注意这里我们一般直接修改cmakelists开启intel的tbb加速，当然不是必选项。

>unzip opencv.zip
>
>mkdir -p build and cd build
>
>cmake ..
>
>make --jobs=$(nproc --all)

然后等待编译完成即可，一般不会报错。

在编译完成后，执行默认安装。

>sudo make install

在安装完成后，可以尝试在python中导入cv2模块用于验证安装，这里不做演示。

接下来则是openvino的编译安装，openvino可以使用官方的客户端进行安装，更加直观，这里演示编译安装不是必选项，具体可以上openvino官网上的[安装教程](https://docs.openvino.ai/latest/index.html)，非常详细。

首先，我们使用GPU进行推演，所以需要先安装opencl。

>mkdir neo and cd neo
>
>wget https://github.com/intel/compute-runtime/releases/download/19.41.14441/intel-gmmlib_19.3.2_amd64.deb
>
>wget https://github.com/intel/compute-runtime/releases/download/19.41.14441/intel-igc-core_1.0.2597_amd64.deb
>
>wget https://github.com/intel/compute-runtime/releases/download/19.41.14441/intel-igc-opencl_1.0.2597_amd64.deb
>
>wget https://github.com/intel/compute-runtime/releases/download/19.41.14441/intel-opencl_19.41.14441_amd64.deb
>
>wget https://github.com/intel/compute-runtime/releases/download/19.41.14441/intel-ocloc_19.41.14441_amd64.deb
>
>sudo dpkg -i *.deb
>
>cd ..

安装完成后，可以安装clinfo用于验证opencl的安装，这里不做演示。

之后，我们获取openvino。

>git clone https://github.com/openvinotoolkit/openvino.git
>
>cd openvino
>
>git submodule update --init --recursive

注意这里需要保持一个良好的网络环境，强烈建议科学上网，不要相信官网的gitee脚本，该不行还是不行。

然后执行对依赖的安装。

>chmod +x install_build_dependencies.sh
>
>./install_build_dependencies.sh

然后开始编译，注意我们开启的项目，而且我们是c++项目，所以不开启对pythonAPI的构建。

>mkdir build and cd build
>
>cmake -DCMAKE_BUILD_TYPE=Release DENABLE_INTEL_CPU=ON  -DENABLE_INTEL_GPU=ON -DENABLE_OV_ONNX_FRONTEND=ON ..
>
>make --jobs=$(nproc --all)

最后安装，可以自己指定安装位置。

>cmake --install \<BUILDDIR> --prefix \<INSTALLDIR>

在依赖的部署完成后，可以部署本项目。

> git clone https://github.com/pitlst/cpp_study.git
>
> mkdir build
>
> cd build
> 
> cmake ..
>
> make --jobs=$(nproc --all)

## 注意

1. 对于json类和xml类的下标索引，是循环式的，-1表示为最后一个

2. 对于json和xml，内部都是动态增加，自动扩容的，实现了内存回收，但是需要手动在生命周期后调用

3. 本项目使用cmake组织项目，并且使用c++11，启用测试，暂时还没有编写单元测试

4. 对于大整数类，后续有时间再做优化，目前以实现功能为主，暂时只实现了加减法，使用二进制存储

5. 对于相机的调用，目前没有支持GigE海康相机的打算，主要是实验室没有相关设备无法测试，但是仍然正常打包了所有海康的动态库，理论上可以使用

6. 对于openvino的编译安装教程，是为了适应对应的第三方库，更快捷的方式是直接调用asset/openvino-GPU的安装脚本。

7. 对于openvino调用GPU，需要更新驱动，已经将脚本单独放在了asset/openvino-GPU中，执行即可(未打包在代码托管上)。

8. 对于一些常用调试，写在了debug.hpp里，通过宏定义的方式管理

9. 注意，对于多线程debug调参部分是直接重写的处理线程，没有按照之前版本将debug部分分离为单独的线程，由于大量的指针操作导致debug做线程同步很困难，所以在修改处理的逻辑时务必将两个处理线程实现都进行修改和测试。

10. 如果出现debug时程序未正常退出，相机没有正常关闭，请运行测试项目，会自动恢复相机状态不需要拔插。

11. 正式比赛请使用启动脚本开启看门狗而不是直接运行可执行文件。

12. 大符中筛选部分对于浮点数的精度要求超过了我的估计，我也懒得排查那里是瓶颈，直接写个高精度类一劳永逸