Привет всем

Кибенематика - математическая кибернетика с намеком на отсыл к едреней фене__(АБС)__

вторник, 27 ноября 2018 г.

Компьютерное зрение: теперь и для Raspbian’a










    Как обычно смотрел форумы про OpenCV, да комментарии пользователей, треды всякие... И тут на тебе, модно стало говорить что OpenCV не IoT, что под Raspberry Pi собрать — ума не хватает.
Поэтому предлагаю дружно собраться и посмотреть, каким образом возможно собрать библиотеку OpenCV для 32-битной ОС, исполняемой на ARM процессоре, используя ресурсы машины с 64-битной OS, движимой отличной архитектурой CPU. Колдовство и не иначе!


Постановка задачи
     Компиляция непосредственно на микроконтроллере, принято нареченная нативной, действительно сложна, поэтому мы здесь рассмотрим такой способ сборки проекта, который позволяет более сильным вычислительным устройствам (назовём их хостами) подготавливать бинарники для своих малых братьев. Более того, обе машины могут иметь разные архитектуры CPU. Это и есть кросс-компиляция.
Итак, для приготовления клубничного пирога с начинкой из OpenCV нам потребуются:
  • Тушка docker образа Ubuntu 16.04
  • Хостовая машина мощнее Raspberry Pi (иначе какой смысл, isn't it?)
  • Кросс-компилятор под ARMhf, а так же библиотеки соответствующей архитектуры
     Полный процесс сборки OpenCV будет происходить именно на хостовой машине. У себя я использую Ubuntu. С другой версией Linux проблем с воcпроизведением возникнуть не должно. Для пользователей Windows — мои искренние пожелания не сдаваться и попробовать разобраться самим.

Установка Docker
     Своё знакомство с docker начал около недели назад, поэтому гурманам — соль и синтаксический сахар добавлять по вкусу. Нам же с тобой хватит трёх ингредиентов — Dockerfile, понятие образа и контейнера.
Сам по себе docker — инструмент по созданию и воспроизведению конфигурации любой операционной системы с необходимым набором компонент. Dockerfile — это набор shell команд, которые вы обычно используете на хостовой машине, но в данном случае — все они применяются к так называемому dockerобразу.
Для того, чтобы поставить docker, рассмотрим самый простой способ: закажем пакет через сервис доставкиapt-get:
sudo apt-get install -y docker.io 
Дадим docker всё, что он пожелает и сделаем logout из системы (замет login соответственно).
sudo usermod -a -G docker $USER 

Подготавливаем рабочее пространство
     Raspberry Pi (в моём случае RPI 2 Model B) в самом распространнёном образе — это ARMv7 CPU с операционной системой Raspbian (Debian based). Мы же создадим dockerобраз на основе Ubuntu 16.04, в которую доложим кросс-компилятор, армовые библиотеки и там же соберём OpenCV.
Создаём папочку, где будет лежать нашDockerfile
mkdir ubuntu16_armhf_opencv && cd ubuntu16_armhf_opencv touch Dockerfile 
Добавим информацию о базовой OS и armhfархитектуру для установщика пакетовapt-get
FROM ubuntu:16.04  USER root  RUN dpkg --add-architecture armhf  RUN apt-get update 
Обратите внимание, команды типаFROM ...,RUN ...— это синтаксисdocker и пишутся в созданном тестовом файлеDockerfile
Вернёмся в родительскую директориюubuntu16_armhf_opencv
и попробуем создать наш docker образ:
docker image build ubuntu16_armhf_opencv 
Во время выполнения командыapt-get update
вам должно повести увидеть ошибки следующего рода:Err:[число] [url] xenial[чего-нибудь] armhf Packages
Ign:30 http://archive.ubuntu.com/ubuntu xenial-backports/main armhf Packages Ign:32 http://archive.ubuntu.com/ubuntu xenial-backports/universe armhf Packages Err:7 http://archive.ubuntu.com/ubuntu xenial/main armhf Packages   404  Not Found Ign:9 http://archive.ubuntu.com/ubuntu xenial/restricted armhf Packages Ign:18 http://archive.ubuntu.com/ubuntu xenial/universe armhf Packages Ign:20 http://archive.ubuntu.com/ubuntu xenial/multiverse armhf Packages Err:22 http://archive.ubuntu.com/ubuntu xenial-updates/main armhf Packages   404  Not Found Ign:24 http://archive.ubuntu.com/ubuntu xenial-updates/restricted armhf Packages Ign:26 http://archive.ubuntu.com/ubuntu xenial-updates/universe armhf Packages Ign:28 http://archive.ubuntu.com/ubuntu xenial-updates/multiverse armhf Packages Err:30 http://archive.ubuntu.com/ubuntu xenial-backports/main armhf Packages   404  Not Found Ign:32 http://archive.ubuntu.com/ubuntu xenial-backports/universe armhf Packages 
Если подсмотреть в файл/etc/apt/sources.list
то каждой такой ошибке соответствует какая-то строчка, например:
Ошибка
Err:22 http://archive.ubuntu.com/ubuntu xenial-updates/main armhf Packages   404  Not Found 
Строчка в /etc/apt/sources.list:
deb http://archive.ubuntu.com/ubuntu/ xenial-updates main restricted 
Решение:
Разбить на две:
deb [arch=amd64] http://archive.ubuntu.com/ubuntu/ xenial-updates main restricted deb [arch=armhf] http://ports.ubuntu.com/ubuntu-ports/ xenial-updates main restricted 
     Таким образом придётся заменить несколько источников пакетов. В нашем докере мы заменим их все одной командой:
RUN sed -i -E 's|^deb ([^ ]+) (.*)$|deb [arch=amd64] 1 2ndeb [arch=armhf] http://ports.ubuntu.com/ubuntu-ports/ 2|' /etc/apt/sources.list 
Теперь apt-get updateдолжен отработать без ошибок.

Ставим необходимые пакеты
     Нам необходимо поставить хостовые пакеты такие какgit,python-pip,cmake иpkg-config, а так жеcrossbuild-essential-armhf, что есть набор из gcc/g++ кросс-компиляторов (arm-linux-gnueabihf-gcc иarm-linux-gnueabihf-g++) и системных библиотек соответствующей архитектуры:
RUN apt-get install -y git python-pip cmake pkg-config crossbuild-essential-armhf 
     Из необычного — мы так же скачаем GTK (используется для рисования окошек в модуле highgui), GStreamer и Python, но уже с явным указанием инородной архитектуры:
RUN apt-get install -y --no-install-recommends          libgtk2.0-dev:armhf          libpython-dev:armhf          libgstreamer1.0-dev:armhf          libgstreamer-plugins-base1.0-dev:armhf          libgstreamer-plugins-good1.0-dev:armhf          libgstreamer-plugins-bad1.0-dev:armhf 
     A дальше — клонируем и собираем, указывая нужные флаги:
RUN git clone https://github.com/opencv/opencv --depth 1 RUN mkdir opencv/build && cd opencv/build &&      export PKG_CONFIG_PATH=/usr/lib/arm-linux-gnueabihf/pkgconfig &&      cmake -DCMAKE_BUILD_TYPE=Release            -DOPENCV_CONFIG_INSTALL_PATH="cmake"            -DCMAKE_TOOLCHAIN_FILE="../opencv/platforms/linux/arm-gnueabi.toolchain.cmake"            -DWITH_IPP=OFF            -DBUILD_TESTS=OFF            -DBUILD_PERF_TESTS=OFF            -DOPENCV_ENABLE_PKG_CONFIG=ON            -DPYTHON2_INCLUDE_PATH="/usr/include/python2.7"            -DPYTHON2_NUMPY_INCLUDE_DIRS="/usr/local/lib/python2.7/dist-packages/numpy/core/include"            -DENABLE_NEON=ON            -DCPU_BASELINE="NEON" .. 
где CMAKE_TOOLCHAIN_FILE — путь к cmake файлу, который определяет процесс кросс-компиляции (выставляет нужный компилятор, ограничивает использование хостовых библиотек. WITH_IPP=OFF, — отключаем тяжеловесные зависимости.
BUILD_TESTS=OFF ,BUILD_PERF_TESTS=OFF, отключаем сборку тестов.
OPENCV_ENABLE_PKG_CONFIG=ON — чтобы pkg-config смог найти такие зависимости как GTK. PKG_CONFIG_PATH— правильный путь, где pkg-config будет искать библиотеки.
PYTHON2_INCLUDE_PATH,PYTHON2_NUMPY_INCLUDE_DIRS — пути, необходимые для кросс-компиляции обёрток для python2.
ENABLE_NEON=ON,CPU_BASELINE="NEON"— разрешаем NEON оптимизации.
OPENCV_CONFIG_INSTALL_PATH— регулирует расположение файлов в install директории.
     Главное, на что стоит обратить внимание после исполненияcmake, что все необходимые модули собираются (python2, например):
--   OpenCV modules: --     To be built:                 calib3d core dnn features2d flann gapi highgui imgcodecs imgproc java_bindings_generator ml objdetect photo python2 python_bindings_generator stitching ts video videoio --     Disabled:                    world --     Disabled by dependency:      - --     Unavailable:                 java js python3 --     Applications:                tests perf_tests apps --     Documentation:               NO --     Non-free algorithms:         NO 
а необходимые зависимости, такие как GTK, нашлись:
--   GUI: --     GTK+:                        YES (ver 2.24.30) --       GThread :                  YES (ver 2.48.2) --       GtkGlExt:                  NO -- --   Video I/O: --     GStreamer:                    --       base:                      YES (ver 1.8.3) --       video:                     YES (ver 1.8.3) --       app:                       YES (ver 1.8.3) --       riff:                      YES (ver 1.8.3) --       pbutils:                   YES (ver 1.8.3) --     v4l/v4l2:                    linux/videodev2.h 
      Остаётся только вызвать make,make installи дождаться окончания сборки:
Successfully built 4dae6b1a7d32 
Иcпользуйте этот id образа для того, чтобы поставить тег и создать контейнер:
docker tag 4dae6b1a7d32 ubuntu16_armhf_opencv:latest docker run ubuntu16_armhf_opencv 
     А нам осталось выкачать собранную OpenCV из контейнера. Сперва подсмотрим идентификатор созданного контейнера:
$ docker container ls --all CONTAINER ID        IMAGE                   COMMAND             CREATED             STATUS                     PORTS               NAMES e94667fe60d2        ubuntu16_armhf_opencv   "/bin/bash"         6 seconds ago       Exited (0) 5 seconds ago                       clever_yalow 
И скопируем install директорию с установленной OpenCV:
docker cp e94667fe60d2:/opencv/build/install/ ./ mv install ocv_install 

Накрываем на стол
     Копируемocv_install на Raspberry Pi, устанавливаем пути и пробуем запустить OpenCV из питона.
export LD_LIBRARY_PATH=/path/to/ocv_install/lib/:$LD_LIBRARY_PATH export PYTHONPATH=/path/to/ocv_install/python/:$PYTHONPATH 
Запустим пример по детектированию, используя нейронную сеть MobileNet-SSD из https://github.com/chuanqi305/MobileNet-SSD:
import cv2 as cv print cv.__file__  classes = ['backgroud', 'aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat',            'chair', 'cow', 'diningtable', 'dog', 'horse', 'motorbike', 'person',            'pottedplant', 'sheep', 'sofa', 'train', 'tvmonitor'] cap = cv.VideoCapture(0)  net = cv.dnn.readNet('MobileNetSSD_deploy.caffemodel', 'MobileNetSSD_deploy.prototxt')  cv.namedWindow('Object detection', cv.WINDOW_NORMAL)  while cv.waitKey(1) != 27:     hasFrame, frame = cap.read()     if not hasFrame:         break      frame_height, frame_width = frame.shape[0], frame.shape[1]      blob = cv.dnn.blobFromImage(frame, scalefactor=0.007843, size=(300, 300),                                 mean=(127.5, 127.5, 127.5))     net.setInput(blob)     out = net.forward()      for detection in out.reshape(-1, 7):         classId = int(detection[1])         confidence = float(detection[2])         xmin = int(detection[3] * frame_width)         ymin = int(detection[4] * frame_height)         xmax = int(detection[5] * frame_width)         ymax = int(detection[6] * frame_height)          if confidence > 0.5:             cv.rectangle(frame, (xmin, ymin), (xmax, ymax), color=(255, 0, 255), thickness=3)              label = '%s: %.2f' % (classes[classId], confidence)             labelSize, baseLine = cv.getTextSize(label, cv.FONT_HERSHEY_SIMPLEX, 0.5, 1)             ymin = max(ymin, labelSize[1])             cv.rectangle(frame, (xmin, ymin - labelSize[1]), (xmin + labelSize[0], ymin + baseLine), (255, 0, 255), cv.FILLED)             cv.putText(frame, label, (xmin, ymin), cv.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 0))      cv.imshow('Object detection', frame) 














Заключение
     Вот и всё, конец! Полная сборка занимает не более 20 минут. Решил приложить финальный вариант Dockerfileниже и по такому случаю предлагаю пройти небольшой опрос от команды OpenCV, для тех кто когда-то имел опыт работы с библиотекой: https://opencv.org/survey-2018.html.

Комментариев нет:

Отправить комментарий