ORB_SLAM2在Android上的移植过程

作者：Frank
转载请注明出处

一直没时间写博客，最近抽时间写了些关于在ORB_SLAM2在Android上的移植过程，也算是点经验吧。

写完后一个手贱点了个链接，瞬间1/3工作量没了，深夜弄完也是醉了。。。

正文开始

这篇博客讲述如何在Android平台上移植ORB_SLAM2，讲述过程包括基本的Android环境的搭建和NDK环境的配置，Android下移植的基本概念，ORB的具体移植步骤等。

Android平台搭建和NDK环境配置

系统：windows7 32bit
IDE:Eclipse Luna
环境工具: ADT24.0.2、Android SDK、NDK r10b

PS:不推荐使用集成了ADT环境的Eclipse版本，因为在NDK编译的时候可能会报各种莫名其妙的错。同时默认JDK环境已经装好。

组件下载地址：百度网盘(包括ADT、NDK。SDK太大，请自行下载)

步骤：

安装Eclipse，注意区分Eclipse是32位还是64位的，下载对应版本安装即可。下载地址在前面给出。
下载ADT，不需要解压。打开安装好的Eclipse,在菜单栏点击Help–>Install new software,弹出如下界面：
点击右上角Add,出现：

第一栏随便填个名字，例如ADT，第二栏点击Archive，选择你下载的ADT压缩包，确定。在出现的列表中，全部选中，并取消勾选Contact all update sites….。点击next，则开始了ADT的安装，大概需要10分钟。可能还需要accept 协议什么的，这里略过不表。安装完成后提示重启Eclipse即安装成功。
下载Android SDK,并解压(路径不要有中文)。在Eclipse中选择Window–>preferences。在左边栏选中Android,在SDK Location中填入你解压文件夹的根目录，点击apply和OK，则Android环境配置基本完成。这是你的菜单栏应该有了这两项
更新SDK。点击Window–>Android SDK manager，弹出如下界面：

可能由于墙的问题会弹出列表无法加载，需要用代理或镜像，当然如果你有梯子也可以。这里介绍些镜像吧：
g.cn:80，在SDK Manager 中点击tools–>options:

按照上图设置即可。其他的镜像源还有北京化工大学镜像站，请自行谷狗。设置好后点击Packages–>reload即可得到对应的镜像。有默认选中的一些选项，一般选中一个sdk tools，一份sdk build-platform-tools，一个sdk build tools,然后一个Android版本即可（一般4.0以上）。选中后点击Install就会从镜像中下载对应的SDK，这个过程有长有短，视网络而定。
当上述步骤都完成后，Android开发环境就配置好了。
NDK环境配置：从上面给的百度网盘中下载ndk，解压（规则同sdk），打开Eclipse，点击Window–>Preferences，选择Android–>NDK，在右边界面中填入NDK Location即可。

Android移植基础

NDK是集成的Android中调用C++代码的工具包，核心是JNI（Java Native Interface）技术，具体这里略过不表。只说说NDK开发的基本步骤：
1. 编写Java代码：在Java中定义一个类，比如说叫NDKHelper吧，里面定义几个java的方法，只需要声明，不需要实现，如下所示:

public class NDKHelper {    //NDK示例方法1    public static native void ndkOne(int a,long b);    //NDK示例方法2    public static native int ndkTwo(String a,String b);}

native标识符表示该函数将会利用C++代码完成实现。
接下来在工程上右键，Android Tools–>Add native support，出现如下界面：
ORB_SLAM2在Android上的移植过程_第2张图片
名字就是最后我们要生成的库的名字，随便填，可修改。点击确定就会给你的工程添加C++编译支持，菜单栏会多了个小锤子：
这里写图片描述
这个是用来编译C++的快捷键。在你的工程目录下会新建jni目录和obj目录，其中jni目录用来存放和C++代码有关的东西，obj则存放C++进行编译时产生的中间件，最后生成的library会写入到libs文件夹下。
在jni文件夹中生成了如下文件，一个.cpp，一个Android.mk，其中.cpp是自动生成的，是用来编写C++部分的，而Android.mk类似C++里面的CMakeList，用来指定需要编译的文件和编译生成的模块名，一个最简单的Android.mk文件如下所示：

LOCAL_PATH := $(call my-dir)include $(CLEAR_VARS)LOCAL_MODULE    := NDKTestLOCAL_SRC_FILES := NDKTest.cppinclude $(BUILD_SHARED_LIBRARY)

LOCAL_PATH :=$(call my-dir)表示包含当前目录。
include $(CLEAR_VARS)表示清除全部非系统变量和部分系统变量；
LOCAL_MODULE := NDKTest 表示当前生成的模块名，最终会生成libNDKTest.so文件
LOCAL_SRC_FILES := NDKTest.cpp 表示当前需要编译的cpp文件；
include $(BUILD_SHARED_LIBRARY) 表示生成共享库，需要生成静态库请修改成BUILD_STATIC_LIBRARY。

其他基础命令：
LOCAL_C_INCLUDES:= 表示添加头文件进入编译环境
LOCAL_LDLIBS:= 表示添加系统静态库
LOCAL_SHARED_LIBRARIES:= 表示添加共享库
其他命令请自行查看API文档。

这里指定了进行编译时的各项条件，如果需要指定编译器版本和编译目标平台等信息，则需要在jni目录下新建Application.mk文件，基本语句如下：

APP_STL := gnustl_staticAPP_CPPFLAGS := -frtti -fexceptions NDK_TOOLCHAIN_VERSION := 4.8APP_ABI :=armeabi-v7a

APP_STL :=表示使用stl库，APP_CPPFLAGS表示一些CPP编译参数，NDK_TOOLCHAIN_VERSION 表示NDK使用的编译器版本，APP_ABI表示编译的目标平台，可以指定多个平台，平台之间用空格隔开，或者指定all则为全平台编译(armeabi,armeabi-v7a,mips,x86)。其他命令请自行查看API。

接下来编写对应的C++文件。
打开eclipse，点击Project–>build Project(若build automatically已勾选则会自动编译)打开命令行，cd到你的工程文件夹下的bin–>classes文件夹下，输入如下命令:

javah com.example.ndktest.NDKHelper

回车，则在你的classes文件夹下会生成对应的头文件。这里com.example.ndktest是你的package名字，NDKHelper是你的NDK函数的类名。
生成的头文件如下：

/* DO NOT EDIT THIS FILE - it is machine generated */#include /* Header for class com_example_ndktest_NDKHelper */#ifndef _Included_com_example_ndktest_NDKHelper#define _Included_com_example_ndktest_NDKHelper#ifdef __cplusplusextern "C" {#endif/* * Class:     com_example_ndktest_NDKHelper * Method:    ndkOne * Signature: (IJ)V */JNIEXPORT void JNICALL Java_com_example_ndktest_NDKHelper_ndkOne  (JNIEnv *, jclass, jint, jlong);/* * Class:     com_example_ndktest_NDKHelper * Method:    ndkTwo * Signature: (Ljava/lang/String;Ljava/lang/String;)I */JNIEXPORT jint JNICALL Java_com_example_ndktest_NDKHelper_ndkTwo  (JNIEnv *, jclass, jstring, jstring);#ifdef __cplusplus}#endif#endif

其他不用管，我们关注中间的两个函数声明：

JNIEXPORT void JNICALL Java_com_example_ndktest_NDKHelper_ndkOne(JNIEnv *, jclass, jint, jlong);

这个函数就是NDKHelper类中ndkOne函数对应的C++版本，其中JNIEXPORT和JNICALL是固定字段，void是函数返回值，函数名由Java字段+包名+类名+函数名组成，参数则多了几个JNI的系统参数JNIEnv 和jclass，其他的就是NDKHelper类中的对应参数，ndk会对该函数进行解析和链接，实现java和C++的对接。
将生成的.h头文件复制到jni目录下，新建对应的cpp文件，将该头文件include进来并对对应函数进行实现，实现过程就视函数功能而定。
这些工作完成后需要修改你的Android.mk文件，将刚刚新建的cpp和h文件包括进来。
然后点击开始那个小锤子或者直接项目右键RunAs–>Android Application，则C++部分会开始编译，编译具体过程可以在Eclipse下方Console窗口看到(如果没有Console窗口则点击Window–>Show Views，选择Console确定即可)。
编译完成后会生成对应的库存放在libs目录下，则你可以开始在Java里面调用刚才定义的ndkOne和ndkTwo函数实现具体的功能。

NDK基础到此为止，更深入的学习可以下载Android官方给的ndk samples.

ORB_SLAM2的移植

不想知道移植过程的童鞋可以直接下载我的Github源码：https://github.com/FangGet/ORB_SLAM2_Android 直接按照步骤进行即可。
移植过程
先看目录：
ORB_SLAM2在Android上的移植过程_第3张图片
分为ORB和ThirdParty，其中ThirdParty包括boost clapack DBow2 g2o eigen3。
clapack和eigen来自于一个github的开源库：https://github.com/simonlynen/android_libs 这里集成了一些经典的C++库的ndk版本，下载即可使用。g2o和DBoW2则来自于ORB_SLAM2原作者的github地址，Boost是自己编译的lib，这里只介绍clapack和opencv的库配置。
clapack配置
从前述的开源库中将clapack目录拷贝到Thirdparty的对应目录下，clapack中已经包含了对当前目录极其子目录的编译过程，我们在jni目录下的Android.mk文件中加入如下内容：

include $(CLEAR_VARS)MAINDIR:= $(LOCAL_PATH)include $(MAINDIR)/Thirdparty/clapack/Android.mkLOCAL_PATH := $(MAINDIR)include $(CLEAR_VARS)MAINDIR:= $(LOCAL_PATH)LOCAL_MODULE:= lapackLOCAL_SHORT_COMMANDS := trueLOCAL_STATIC_LIBRARIES := tmglib clapack blas f2cLOCAL_EXPORT_C_INCLUDES := $(LOCAL_C_INCLUDES)LOCAL_PATH := $(MAINDIR)include $(BUILD_SHARED_LIBRARY)

这里的基本命令之前都已经讲过了，只补充如下几点内容：

LOCAL_SHORT_COMMANDS是为了防止Windows对g++编译命令长度的限制而设置的参数，该参数会拖慢整个编译过程，因此请谨慎使用；
LOCAL_EXPORT_C_INCLUDES表示将当前库的头文件EXPORT给系统，让程序代码中能实现<>的调用过程，若不设置这一参数则在cpp文件中可能无法引用该库；
LOCAL_STATIC_LIBRARIES := tmglib clapack blas f2c是引用lapack子目录中编译好的一些依赖模块
这里会编译出一个名为lapack的库工程，该工程就可以作为依赖项被ORB所引用。
OpenCV的编译
opencv4Android是opencv官网为了对Android的支持而推出的一个工具集，可以在opencv官网进行下载。其目录结构如下：

其中sdk为核心部分，opencv4Android包含两个版本，一个是opencv为java做的本地化sdk，另一个是opencv利用ndk编译C++版本得到的库工程。我们将opencv4android解压后放置到ORB_SLAM2项目的同级目录下，如下所示：

之后在jni目录下的Android.mk中需要引用到OpenCV的地方加入如下代码：

OPENCV_LIB_TYPE:=STATICifeq ("$(wildcard $(OPENCV_MK_PATH))","")  #try to load OpenCV.mk from default install location  include E:/ORB_SLAM2/OpenCV-2.4.9-android-sdk/sdk/native/jni/OpenCV.mkelse  include $(OPENCV_MK_PATH)  endif

这里opencv.mk我给的是绝对地址，其实相对地址也是可以的。上面这段引用会将opencv进行编译并引入到当前的工作模块上来，这里就完成了opencv库的基本调用。如果为了方便还可以将opencv自身单独编译成一个库工程并开放给其他模块引用。

其他libraries的编译过程和上述工程大同小异，其主要步骤可以概括如下：

将当前库复制到jni的特定目录下；
在Android.mk中新建一个模块并对模块进行命名；
LOCAL_C_INCLUDE引入库的头文件，LOCAL_SRC_FILES引入库的cpp文件；
LOCAL_LDLIBS/LOCAL_SHARED_LIBRARIES/LOCAL_STATIC_LIBRARIES引入依赖库；
LOCAL_C_FLAGS设置编译参数；

ORB_SLAM2的编译
这里我们将ORB_SLAM2的源文件也编译为一个library以供调用，其编译过程和上面雷同，需要注意的是，由于pangolin编译有问题，我拆了源文件的pangolin部分并注释了对应的部分代码，同时引入了opengl es 来进行map和pose的绘制。同时，为了完成特征检测图像的回调，我改变了System.cc中TrackMonocular的返回值，将其返回值改成了Mat。
当上述过程完成后，我们的C++编译工作就基本完成了，最后也是最重要的一步是为Java中定义的native方法做C++的实现，在JAVA中，我定义了如下native函数：

    /**     * jni中初始化SLAM系统     * @param VOCPath     * @param calibrationPath     */    public static native void initSystemWithParameters(String VOCPath,String calibrationPath);    /**     * Dataset模式中ORB系统的start函数     * @param curTimeStamp     * @param data     * @param w     * @param h     * @return     */    public static native int[] startCurrentORB(double curTimeStamp,int[] data,int w,int h);    /**     * Camera模式中ORB系统的start     * @param curTimeStamp     * @param addr     * @param w     * @param h     * @return     */    public native static int[] startCurrentORBForCamera(double curTimeStamp,long addr,int w,int h);    /**     * Opengl es 的初始化     */    public native static void glesInit();      /**     * opengl es绘制更新     */    public native static void glesRender();      /**     * 防止opengl es窗口resize带来的影响     * @param width     * @param height     */    public native static void glesResize(int width, int height);

其对应的C++代码为：

/* * Class:     orb_slam2_android_nativefunc_OrbNdkHelper * Method:    initSystemWithParameters * Signature: (Ljava/lang/String;Ljava/lang/String;)V */JNIEXPORT void JNICALL Java_orb_slam2_android_nativefunc_OrbNdkHelper_initSystemWithParameters(JNIEnv * env, jclass cls, jstring VOCPath, jstring calibrationPath) {    const char *calChar = env->GetStringUTFChars(calibrationPath, JNI_FALSE);    const char *vocChar = env->GetStringUTFChars(VOCPath, JNI_FALSE);    // use your string    std::string voc_string(vocChar);    std::string cal_string(calChar);    env->GetJavaVM(&jvm);    jvm->AttachCurrentThread(&env, NULL);    s=new ORB_SLAM2::System(voc_string,cal_string,ORB_SLAM2::System::MONOCULAR,true);    env->ReleaseStringUTFChars(calibrationPath, calChar);    env->ReleaseStringUTFChars(VOCPath, vocChar);    init_end=true;}/* * Class:     orb_slam2_android_nativefunc_OrbNdkHelper * Method:    startCurrentORB * Signature: (DDD[I)[I */JNIEXPORT jintArray JNICALL Java_orb_slam2_android_nativefunc_OrbNdkHelper_startCurrentORB(        JNIEnv * env, jclass cls, jdouble curTimeStamp, jintArray buf, jint w,        jint h) {    jint *cbuf;    cbuf = env->GetIntArrayElements(buf, false);    if (cbuf == NULL) {        return 0;    }    int size = w * h;    cv::Mat myimg(h, w, CV_8UC4, (unsigned char*) cbuf);    cv::Mat ima = s->TrackMonocular(myimg, curTimeStamp);    jintArray resultArray = env->NewIntArray(ima.rows * ima.cols);    jint *resultPtr;    resultPtr = env->GetIntArrayElements(resultArray, false);    for (int i = 0; i < ima.rows; i++)        for (int j = 0; j < ima.cols; j++) {            int R = ima.at < Vec3b > (i, j)[0];            int G = ima.at < Vec3b > (i, j)[1];            int B = ima.at < Vec3b > (i, j)[2];            resultPtr[i * ima.cols + j] = 0xff000000 + (R << 16) + (G << 8) + B;        }    env->ReleaseIntArrayElements(resultArray, resultPtr, 0);    env->ReleaseIntArrayElements(buf, cbuf, 0);    return resultArray;}/* * Class:     orb_slam2_android_nativefunc_OrbNdkHelper * Method:    glesInit * Signature: ()V */JNIEXPORT void JNICALL Java_orb_slam2_android_nativefunc_OrbNdkHelper_glesInit(JNIEnv *env, jclass cls) {    // 启用阴影平滑    glShadeModel(GL_SMOOTH);    // 黑色背景    glClearColor(1.0f, 1.0f, 1.0f, 0.0f);    // 设置深度缓存    glClearDepthf(1.0f);    // 启用深度测试    glEnable(GL_DEPTH_TEST);    // 所作深度测试的类型    glDepthFunc(GL_LEQUAL);    // 告诉系统对透视进行修正    glHint(GL_PERSPECTIVE_CORRECTION_HINT, GL_NICEST);}/* * Class:     orb_slam2_android_nativefunc_OrbNdkHelper * Method:    glesRender * Signature: ()V */JNIEXPORT void JNICALL Java_orb_slam2_android_nativefunc_OrbNdkHelper_glesRender(JNIEnv * env, jclass cls) {    glClear (GL_COLOR_BUFFER_BIT | GL_DEPTH_BUFFER_BIT);    glMatrixMode (GL_MODELVIEW);    glLoadIdentity ();    if(init_end)    s->drawGL();}/* * Class:     orb_slam2_android_nativefunc_OrbNdkHelper * Method:    glesResize * Signature: (II)V */JNIEXPORT void JNICALL Java_orb_slam2_android_nativefunc_OrbNdkHelper_glesResize(JNIEnv *env, jclass cls, jint width, jint height) {    //图形最终显示到屏幕的区域的位置、长和宽    glViewport (0,0,width,height);    //指定矩阵    glMatrixMode (GL_PROJECTION);    //将当前的矩阵设置为glMatrixMode指定的矩阵    glLoadIdentity ();    glOrthof(-2, 2, -2, 2, -2, 2);}/* * Class:     orb_slam2_android_nativefunc_OrbNdkHelper * Method:    readShaderFile * Signature: (Landroid/content/res/AssetManager;)V */JNIEXPORT jintArray JNICALL Java_orb_slam2_android_nativefunc_OrbNdkHelper_startCurrentORBForCamera(JNIEnv *env, jclass cls,jdouble timestamp, jlong addr,jint w,jint h) {    const cv::Mat *im = (cv::Mat *) addr;    cv::Mat ima = s->TrackMonocular(*im, timestamp);    jintArray resultArray = env->NewIntArray(ima.rows * ima.cols);    jint *resultPtr;    resultPtr = env->GetIntArrayElements(resultArray, false);    for (int i = 0; i < ima.rows; i++)    for (int j = 0; j < ima.cols; j++) {        int R = ima.at < Vec3b > (i, j)[0];        int G = ima.at < Vec3b > (i, j)[1];        int B = ima.at < Vec3b > (i, j)[2];        resultPtr[i * ima.cols + j] = 0xff000000 + (R << 16) + (G << 8) + B;    }    env->ReleaseIntArrayElements(resultArray, resultPtr, 0);    return resultArray;}

这里解释下Dataset和Camera模式下start方法的区别。其实就是图像参数传递的方式不一样。在DataSet模式中，我们是用ImageView显示图片，用Bitmap读取文件中的图片，而非基本类型的数据都是不能被jni接口所接受的因此我们需要利用Bitmap的getPixels方法将其转换成int[]型数据进行传递，在jni中int[]对应的数据类型为jintArray，我们可以在获取到数据后将jintArray转换成Mat进行后续处理；而在Camera模式中我们是利用opencv android sdk中的cvCameraView 来直接进行摄像头的调用和图像的显示。其onCameraFrame(CvCameraViewFrame inputFrame)中的inputfram可以通过rgba()方法转换成Mat类型数据，而Mat类型同样不被jni识别，因此需要利用Mat的getNativeObjAddr方法获取Mat数据的long型指针传递到jni中进行处理。关键代码如下：
DataSet 的Java部分：

int w = tmp.getWidth(), h = tmp.getHeight();//其中tmp为bitmapint[] pix = new int[w * h];tmp.getPixels(pix, 0, w, 0, 0, w, h);

C++部分：

jint *cbuf;cbuf = env->GetIntArrayElements(buf, false);if (cbuf == NULL) {    return 0;}int size = w * h;cv::Mat myimg(h, w, CV_8UC4, (unsigned char*) cbuf);

Camera的Java部分：

Mat im=inputFrame.rgba();synchronized (im) {    addr=im.getNativeObjAddr();//addr为函数传递的图像参数}

C++部分：

const cv::Mat *im = (cv::Mat *) addr;//addr为传入的图像参数

结尾

当上述步骤都完成后，我们会得到最终生成的sdk。Android部分的布局文件和对应activity文件在这里也略过不表。当得到最终生成的apk后，我们如果要测试Camera模式，需要先将opencv4Android中apk文件夹中对应类型的opencv manager安装到手机中并预先打开才能使用，否则会提示找不到opencv的支持库；若只需测试Dataset模式则无需上述步骤。

水平有限，如有错误请不吝指正，谢谢。

Android平台搭建和NDK环境配置

Android移植基础

ORB_SLAM2的移植

结尾

更多相关文章

随机推荐