===== Installation Cslam ===== mkdir ~/CSLAM/ cd ~/CSLAM/ git clone ssh://@trac.laas.fr/git/robots/embedded-vision.git cslam multi-thread est dans : projects/sw/eslam-mt cd embedded-vision/projects/sw/eslam-mt/ ===Récupération de la séquence parking LAAS tronquée (250MO)=== cd ~ wget http://homepages.laas.fr/pagohard/files/parking_laas.zip unzip parking_laas.zip rm parking_laas.zip pour traiter la séquence ./CslamMt ../config_example.yaml ===Création de symlink pour générer des séquences différentes sans dupliquer les fichiers=== voir [[sauvegarde]] pour utilisation de rdfind Dans un dossier qui contient plusieurs fois les mêmes fichiers, en gardant les fichiers originaux de ./parking_laas/ et en remplaçant les autres par des symlinks: cd /media/HD500GO/CSLAM rdfind ./parking_laas/ ./pgm/ -makesymlinks true -dryrun true vérifier que les propositions sont correctes, puis pour les appliquer: rdfind ./parking_laas/ ./pgm/ -makesymlinks true =====Gestion avec QTCreator===== fichier qt.pro et qt.pro.user dans ~/CSLAM/embedded-vision/projects/sw/eslam-mt/Qt cd ~/CSLAM/embedded-vision/projects/sw/eslam-mt/Qt qtcreator qt.pro & pour générer le makefile et compiler sans qtcreator cd ~/CSLAM/embedded-vision/projects/sw/eslam-mt/Qt qtmake make En cas d'ouverture avec QT5, il faut mettre en projets->Run->Arguments le nom du fichier yaml de configuration et décocher l'option Shadow build Dans QTcreator, pour accélérer la compilation et tenir compte du multi processeur, ajouter -j2 comme argument de make (pour 2 coeurs et donc 2 make en parallèle) ===Problème de barre de menu qui a disparu avec QT5=== ajouter ddans ~/.bashrc unset QT_QPA_PLATFORMTHEME ===Pour utiliser une version de opencv non installee dans le root file system=== ajouter a ~/.bashrc export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/home/dtertei/opencv-2.4.9/build/lib dans qt.pro ajouter: INCLUDEPATH += /home/dtertei/opencv-2.4.9/modules/highgui/include/ INCLUDEPATH += /home/dtertei/opencv-2.4.9/modules/core/include/ INCLUDEPATH += /home/dtertei/opencv-2.4.9/modules/imgproc/include/ QMAKE_LFLAGS *= -L/home/dtertei/opencv-2.4.9/build/lib =====TODO===== -Faire des générateurs de nombres aléatoires pour pouvoir rejouer cslam avec les mêmes donnees 1 séquence par thread au moins -> NON finalement, on fait une version non multithreadée et il suffit de démarrer avec une unique graine -Observer le fichier gmon.out (créé à la fin de l’exécution de cslam) pour déterminer quelles sont les parties du code inutile -Faire une liste des conditions d'utilisation (archi, hors/en ligne, type de capteurs, ros/non...) -Permettre l'envoi des données via des noeuds ros et la diffusion des résultats aussi: Question est ce que l'on rossifie cslam (avec eventuellement des #define pour virer cette partie du code ) ou est ce que l'on fait une diffusion (par exemple via socket) vers une autre appli qui est un noeud ros et qui fait le lien...? -Lister les caractéristiques de cslam, notamment celles qui sont paramétrables. -Lister les limitations inhérentes à cslam. -Lister ce qu'il faudrait améliorer et gérer une liste des priorités -Gérer le projet qt pour régler les options dans qt.pro.shared: http://doc.qt.io/qtcreator/creator-sharing-project-settings.html =====profilage===== ====valgrind==== Use valgrind to check from where the problem can come.... As expected there are PLENTY of memory leaks: valgrind -v --leak-check=full --track-origins=yes --show-reachable=yes ./CslamMt ../config_example.yaml ===gprof=== outils pour la génération de graphique: https://github.com/jrfonseca/gprof2dot Installation depuis les paquets: sudo apt-get install gprof2dot Sinon, installation manuelle: mkdir -p ~/tmp/gprof2dot cd ~/tmp/gprof2dot git clone https://github.com/jrfonseca/gprof2dot.git cd gprof2dot/ sudo apt-get install python-setuptools utilisation: http://codeyarns.com/2013/06/24/how-to-visualize-profiler-output-as-graph-using-gprof2dot/ cd ~/CSLAM/embedded-vision/projects/sw/eslam-mt/Qt qmake && make clean && make rm gmon.out ./CslamMt ../config_example.yaml The program has to close correctly and a gmon.out file has to be created in the current directory gprof -zc CslamMt gmon.out > analysis.txt gedit analysis.txt & gprof CslamMt | ~/tmp/gprof2dot/gprof2dot/gprof2dot.py > gmon.dot dot gmon.dot -Tpng -o gmon.png dot -Tps gmon.dot -o gmon.pdf evince gmon.pdf Détermination des fonctions jamais appelées: gprof "-z" "--display-unused-functions" If you give the -z option, "gprof" will mention all functions in the flat profile, even those that were never called, and that had no time spent in them. This is useful in conjunction with the -c option for discovering which routines were never called. "-c" "--static-call-graph" The -c option causes the call graph of the program to be augmented by a heuristic which examines the text space of the object file and identifies function calls in the binary machine code. Since normal call graph records are only generated when functions are entered, this option identifies children that could have been called, but never were. Calls to functions that were not compiled with profiling enabled are also identified, but only if symbol table entries are present for them. Calls to dynamic library routines are typically not found by this option. Parents or children identified via this heuristic are indicated in the call graph with call counts of 0. ====gcov et lcov=== sudo apt-get install lcov gcov http://alex.dzyoba.com/linux/profiling-gprof-gcov.html Ajouter les flags gcov à CFLAGS et LDFLAGS -fprofile-arcs -ftest-coverage -coverage -lcrypto -pthread -lrt -Wall -Wextra There are 2 gcov flags: -fprofile-arcs and -ftest-coverage. First will instrument your program to profile so called arcs — pathes in program’s control flow. Second option will make gcc to collect additional notes for arcs profiling and gcov itself. lcov is a graphical front-end for GCC's coverage testing tool gcov: http://ltp.sourceforge.net/coverage/lcov.php lcov --capture --directory ./ --output-file coverage.info genhtml coverage.info --output-directory lcov-out ====automatisation profilage==== script bash profilage: passer en paramètre le nom du fichier de config yaml profilage ../config_example.yaml ===Analyse en cours par profilage=== rob.c void moveRobotConstVel(slam *sl, float dt) { appelée uniquement quand slam pure vision filter_thread.c processGPS(&slam, &sgps); n'est appelée que lorsque le cap a été déterminé (500 images sur séquence parking laas) =====Gestion des fichiers de config===== Pour éviter les problèmes de gestion de version sur les fichiers de config, procéder à des copies du fichier original pour faire des tests en local: cd ~/CSLAM/embedded-vision/projects/sw/eslam-mt cp config_example.yaml config_example_b1.yaml =====Git===== see [[git]] =====Génération de la doc===== ===Doxygen=== doc doxygen gérée dans embedded-vision/projects/sw/eslam-mt/doc Pour installer les outils: sudo apt-get install doxygen-gui doxygen-doc doxygen Pour construire ou modifier le fichier de configuration de la doc (déjà fait): cd doc doxywizard configurer et sauver en doc/Doxyfile pour avoir tous les call tree régler dans doc/Doxyfile +EXTRACT_ALL = YES +CALL_GRAPH = YES +EXTRACT_LOCAL_CLASSES = YES Pour générer la doc: cd doc/ doxygen Doxyfile cd generated/latex pdflatex refman.tex pdflatex refman.tex evince refman.pdf & Pour la doc en html firefox html/index.html Pour voir le call graph des fonctions en html firefox html/main_8c.html Doc stockée en ligne à l'adresse: https://bvdp.inetdoc.net/CSLAMDOC/ ===Graphviz=== syntaxe: http://www.graphviz.org/content/dot-language exemple avec code (en cliquant sur les graphes): http://www.graphviz.org/Gallery.php ligne de commande: http://www.graphviz.org/content/command-line-invocation fichiers dot à ranger dans dossier doc, utiliser le script makdot pour générer des png. =====Séquences vidéo de résultats===== https://bvdp.inetdoc.net/files/cslam/ =====Vrac===== Désactiver l'optimisation pour pouvoir debugger: find . -name "*.mk" -exec sed -i 's,-O3,-O0,g' {} \; Activer l'optimisation: find . -name "*.mk" -exec sed -i 's,-O0,-O3,g' {} \; en debug, bloque à la ligne 95 de image_acq_thread.c quand i=1 Adapter le nom des dossiers en remplaçant dans les makefile find . -name "*.mk" -exec sed -i 's,/home/pantoine,/home/bvandepo, g' {} \; rm list #ls -c1 *.pgm | sort >>list find ./ -type f -printf "%f\n" | grep pgm | sort >>list Pour traiter la séquence: cd ~/CSLAM/embedded-vision/projects/sw/eslam-mt/ find . -name "config_example.yaml" -exec sed -i 's,/home/jpiat/Pictures/,/home/bvandepo/, g' {} \; find . -name "config_example.yaml" -exec sed -i 's,display_camera : no,display_camera : yes, g' {} \; find . -name "config_example.yaml" -exec sed -i 's,debug_step : 0,debug_step : 1, g' {} \; cd ~/CSLAM/embedded-vision/projects/sw/eslam-mt/Debug make fichier makefile à mettre dans embedded-vision/projects/sw/eslam-mt/Debug ====Simulateur==== Pour utiliser le simulateur : cd ~/CSLAM/embedded-vision/projects/sw/matlab/visionSimulator/ Ouvrir matlab, et executer le script beginSimul. Ce script crée une trajectoire définie à l'avance, calcule l'accélération et la vitesse angulaire de cette trajectoire, et affiche le parcours de cette trajectoire. Les données des observations sont stockées dans un fichier obs.txt, et les fichiers timestamps des images dans un dossier time. Dans le fichier obs.txt, les données sont organisées de la sorte: IdLmk0, uLmk0, vLmk0; IdLmk1, uLmk2, vLmk2; IdLmk3, uLmk3, vLmk3; (...) Chaque ligne correspond à toutes les observations de landmark réalisées dans une frame. IdLmk correspond à l'indice du landmark, uLmk la position de l'observation du landmark en u, vLmk la position de l'observation du landmark en v. Dans le dossier time, un fichier texte est crée pour chaque frame, avec pour nom le numéro de l'image ( commençant à 00000001) et contenant uniquement le timestamp de l'image concernée en seconde. ===TODO=== -Corriger le problème de repère de l'accélération -Ajouter le stockage des données IMU dans un fichier -Corriger la vitesse angulaire pour être en Radians/sec -Ajouter un modèle de bruit aux données -Ajouter la gestion des distorsions -Créer un outil de création de trajectoire intuitif et pratique -Ajouter de nouvelles trajectoires -Ajouter la gestion du Rolling Shutter ===Cslam with Simulated data=== To use these datas with Cslam, checkout the branch named CslamSimu (Stash or commit your local change before) : git checkout CslamSimu Then to run Cslam you'll need to define in config_file the path of the timestamp folder and the obs.txt files created by the matlab scripts. So in your yaml config file redefine image_time_stamp_path : image_time_stamp_path : ~/CSLAM/embedded-vision/projects/sw/matlab/visionSimulator/time #path to folder containing timestamps And add : simu_obs_path : ~/CSLAM/embedded-vision/projects/sw/matlab/visionSimulator/obs.txt To go back to master branch: git checkout master