Jeton Orin NX 部署Superpoint-SLAM（未完待续）

RichardLeeBIT

已于 2024-02-29 16:58:47 修改

阅读量1.8k

点赞数 22

文章标签： c++ 嵌入式硬件深度学习

于 2024-02-28 16:16:42 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_49247766/article/details/136336950

版权

作者尝试在JetsonOrinNX上部署Superpoint-SLAM，替换GCNv2-SLAM，遇到模型不支持移动设备的错误，发现可能源于不同libtorch版本的兼容性问题。文章详细描述了编译过程中的库依赖调整和遇到的内存管理挑战。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

0、写在前面

在上一篇博客中我在Orin上部署了GCNv2-SLAM。不过最终所有的调试都完成了之后，无法成功运行。报错提示“模型支持移动设备”，因此猜测可能是训练好的模型问题。所以我这里再尝试一次Superpoint-SLAM，看看到底是不是模型的问题。

该项目需要准备的库有libtorch、opencv、eigen、g2o、DBoW3、Pangolin，我的opencv是4.2.0的，Pangolin是0.5版本的，libtorch是1.12.0版本的，具体可以参考我之前的博客：
Jetson Orin NX+GCNv2-SLAM编译（未完待续）-优快云博客

Jetson Orin NX + RealSense-d455 + Ubuntu20.04部署orbslam2-优快云博客

本质上，Superpoint-SLAM和GCNv2-SLAM是同源的，都是用深度学习代替了前端提取特征点和描述子的方法，因此所用到的库和编译方法，以及编译过程中遇到的问题基本都差不多。

一、编译Superpoint-SLAM

项目源码在这里：

Superpoint-SLAMhttps://gitcode.com/kinglittleq/superpoint_slam/overview?utm_source=csdn_github_accelerator&isLogin=1在Superpoint-SLAM文件夹下运行：

git clone https://github.com/KinglittleQ/SuperPoint_SLAM.git SuperPoint_SLAM

git下来项目以后，首先查看build.sh文件，查看都需要对哪些文件进行编译。

可以看到，需要编译的几个库，包括DBoW3、g2o，所以需要对这两个库的CMakeLists.txt文件进行修改。

DBoW3关于opencv部分，由于我的是4.2.0版本的，所以需要找到DBoW3的CMake文件并修改：

将
find_package(OpenCV 3.0 QUIET)
if(NOT OpenCV_FOUND)
   find_package(OpenCV 2.4.3 QUIET)
   if(NOT OpenCV_FOUND)
      message(FATAL_ERROR "OpenCV > 2.4.3 not found.")
   endif()
endif()
注释掉，并添加：
set(OpenCV_DIR "/usr/local/opencv420/lib/cmake/opencv4")
find_package(OpenCV 4.2.0 REQUIRED)

g2o不需要作任何修改

再在根目录下的CMake文件中，同样做关于Opencv的修改，并且更换libtorch的DIR，即：

opencv：

将
find_package(OpenCV 3.0 QUIET)
if(NOT OpenCV_FOUND)
   find_package(OpenCV 2.4.3 QUIET)
   if(NOT OpenCV_FOUND)
      message(FATAL_ERROR "OpenCV > 2.4.3 not found.")
   endif()
endif()
注释掉，并添加：
set(OpenCV_DIR "/usr/local/opencv420/lib/cmake/opencv4")
find_package(OpenCV 4.2.0 REQUIRED)

libtorch：具体怎么查找libtorch的路径，可以查看我的上一篇博客：

Jetson Orin NX+GCNv2-SLAM编译（未完待续）-优快云博客

将
set(Torch_DIR "/home/deng/SP_SLAM/Thirdparty/libtorch/share/cmake/Torch")
改成
set(Torch_DIR /usr/local/lib/python3.8/dist-packages/torch/share/cmake/Torch/)

然后给build.sh增加权限并编译运行

chmod +x build.sh
./build.sh

问题：C++编译版本较低，需要将C++11修改成C++14

在Superpoint-slam的CMakeLists文件中将所有的C++11修改成C++14以使用新版本的pytorch

剩下的关于opencv的问题，在我的另外两篇博客里面都有很多记录了，这里就不再重复了，都和ORB-SLAM2的编译过程中遇到的问题相同

Jetson Orin NX + RealSense-d455 + Ubuntu20.04部署orbslam2-优快云博客

Jetson Orin NX+GCNv2-SLAM编译（未完待续）-优快云博客

还有这篇：

opencv3和opencv4的版本切换-优快云博客

除了opencv版本上的问题之外，还有在编译过程中出现的内存不足的问题（我的自带内存是16g）。输入如下命令查看内存使用情况：

free

可以看到我的内存剩余是比较多的，大约12-13个g，但是依然在执行build.sh文件过程中出现了内存不足，整台设备死机的情况，因此，需要修改build.sh文件。

将最后一行对SLAM项目编译的
make -j
改成
make -jX

具体 X 是多少，需要根据自己板子的处理器内核数来决定。我的X=8。所以是make -j8。

或者可以使用swap交换空间增加内存，具体操作稍微有些复杂，所以我这边还是使用上面的方法。

由于libtorch我用的是1.12.0版本，而源码支持的是1.0.1版本，所以libtorch也会有许多api需要修改，在GCNv2-SLAM这篇博客中已经涉及了一些，不过本篇博客还是记录了一些全新的问题：

问题1：

这里说明新版的libtorch对这个函数进行了修正，除了四个参数外还有最后的参数align_corners，在先前的版本中默认为False，因此我们只需要将函数改成如下的形式：

将133行
desc = torch::grid_sampler(desc, grid, 0, 0);
改成
desc = torch::grid_sampler(desc, grid, 0, 0, false);

将263行
auto desc = torch::grid_sampler(mDesc, grid, 0, 0);
改成
auto desc = torch::grid_sampler(mDesc, grid, 0, 0, false);

编译通过：

当然，这里暂时只有单目的程序，双目的程序需要自行修改CMake文件并设置可执行文件的输出路径。

二、运行SuperpointSLAM

这里先运行一下TUM数据集试一下，在Example/Monocular文件夹下打开终端，运行可执行程序，命令基本与ORB-SLAM2相同。run.sh中给出的命令使用辞典superpoint_voc.yml.gz，暂时还没找到源码，可能需要自己训练一个字典。所以我这里先用ORB2的字典替代一下（官网给出的KITTI运行示例也是以ORB的字典为基础，字典的选择只会影响回环）。

./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt ./Examples/Monocular/TUM1.yaml /home/jetson/ORB_SLAM2/rgbd_dataset_freiburg3_long_office_household

意料之内，运行结果也是显示当前模型并不符合嵌入式板子的部署，与GCNv2-SLAM的报错相同。

有一点很不理解，这两个项目（Superpoint-SLAM和GCNv2-SLAM）理论上都是可以部署在边缘计算机上，但是我总是部署失败不知道为什么，提示当前模型并不符合移动设备，实在是不理解...希望有知情大佬能解答一下问题。

答案来了，legacy model format是因为原作者在编译的时候用的是libtorch1.0.1版本，而我的板子上libtorch自带的版本较高，所以导致模型不兼容。但是如果按照官网教程更换1.0.1版本的libtorch，又因为板子上的cudnn、cuda等版本过高编译不通过，产生一大堆的报错，很多也找不到原因，也找不到高版本对应的函数以及变量名称，实在是很难顶...