PTAM移植到IOS（附工程和库文件）

最新推荐文章于 2023-04-09 17:24:22 发布
原创 最新推荐文章于 2023-04-09 17:24:22 发布 · 1.9k 阅读 · 2 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#PTAM #移植 #IOS #iPhone
本文介绍了PTAM（Parallel Tracking and Mapping）在iOS平台上的移植过程。由于PTAM官方未提供移动平台支持，作者手动建立了iOS工程，并解决了OpenGL兼容性问题，改写为OpenGLES。同时处理了视频输入及GUI的实现。

移植结果

可用SpaceBar和Reset，没有ARDriver和MapViewer等功能。

完整xcode工程和用到的库文件（包含include、lib，以及gvars3、libcvd的源代码和工程）下载地址：http://download.csdn.net/detail/iceteaset/9639210

运行结果如下图所示：

1进入后的界面

这里写图片描述

2点击SpaceBar后平移

这里写图片描述

3再次点击SpaceBar

这里写图片描述

4移动手机

这里写图片描述

移植概述

PTAM官方支持Linux、Windows、OSX平台，并不包括移动平台，所以移植到IOS需要手动建立工程。好在有Objective-C++混合编译的存在，使得C++源码不需要改写成OC，只需要衔接一下即可。但是OpenGL在IOS下并不适用，需要改写成OpenGL ES。除此之外，官方提供的VideoSource文件不能用，需要自己处理，与窗体相关的代码也不能适用，需要自己建立GUI。

移植过程

PTAM主要用到的库有TooN，Gvars3，CVD。这三个库都是同一个机构编写的。首先要先下载并编译这三个库：
TooN：2.2
Libcvd：20150407
Gvars：3

TOON

这个只有一些头文件，不需要编译，下载后直接放在include目录下即可。

CVD

这个库自带了IOS平台的XCode工程，直接用XCode打开编译。
然而并没有那么顺利，会遇到一些错误。

【报错】提示#include

GVARS3

这个库没有官方支持IOS，所以需要手动编译。新建一个cocoa touch static library。导入源代码。点击编译，会提示一些头文件找不到，主要是readline，xm，x11相关的文件。

先在OSX中安装一个brew，然后在终端中输入：
brew install readline
brew cask install xquartz
brew install lesstif

安装完后分别在
/usr/local/Cellar/readline/6.3.8
/usr/local/Cellar/lesstif/0.95.2
/usr/X11
找到安装好的内容，将头文件和.a文件移到相应的位置

然后配置一下Gvars3工程中的SearchPaths，将头文件和库文件的路径加入，即可编译成功。

这些库编译完之后，取它们的头文件和.a文件备用。接下来我们进行主体工作，编译PTAM。

PTAM

新建一个IOS APP工程，导入PTAM源代码，和刚才编译好的库。
这里我使用到了开源项目iPTAM的处理视频输入和OpenGL ES渲染的代码，导入了以下文件
这里写图片描述
其中MyVideoBuffer用来处理视频输入，teapot.h是一组模拟输入没有用到，EAGLView、ESRenderer是视图和显示相关的，GLVideoFrameAppDelegate用来代替APP自带的delegate，并且存放EAGLView的Outlet。

接着添加以下库：
这里写图片描述

然后开始修改PTAM的源代码
1. 将main.cc、VideoSource.h/.cc删除
2. 将ARDriver和MapViewer相关的文件和代码删除（先搁置这些功能）
3. 将System.cc中关于相机参数的代码删除，直接在ATANCamera.cc中将相机参数固定
4. 将System.cc中的Run()删除，添加如下函数
这里写图片描述
该函数用于让MyVideoBuffer.mm调用
5. 将Tracker.cc中与OpenGL 相关的代码改写成OpenGL ES
6. 将main.m中的delegate改成GLVideoFrameAppDelegate

接下来制作APP的界面：
这里写图片描述
如图所示，将ViewController下的View改成EAGLView类，然后加入一个VideoFramAppDelegate的object，将其中的成员glView设置成View的Outlet。
然后添加两个按钮，在ViewController中添加action，SpaceBar按钮是将Tracker中的mbUserPressedSpacebar设置成true，Reset按钮是调用Tracker中的Reset()函数。

最后就是编译阶段了，遇到了不少问题
1. 修改build settings：
这里写图片描述

这里写图片描述

这里写图片描述

2.【报错】链接时找不到CVD::get_time_of_day_ns()
这里写图片描述
【解决】在cvd工程中将 get_time_of_day_ns.cc添加进工程后重新编译

3.【报错】找不到Foundation/Foundation.h
【解决】开启build settings 中的 Prefix Header
新建一个.pch，加入
#include <Foundation/Foundation.h>

4.【报错】CVD的平台不符
这里写图片描述
【解决】找到项目的Build Settings- > Build Active Architecture Only,将其从NO 设为 YES

5.【报错】使用gvars3/instances.h链接时出错：
这里写图片描述
【解决】在编译Gvars3的时候Build settings -> C++ Standard Library 和C++ Language Dialect改成和现在的工程设置一致
这里写图片描述

iOS编译过程的原理和应用
热门推荐
Leo的专栏
12-10 3万+
前言 一般可以将编程语言分为两种，编译语言和直译式语言。 像C++,Objective C都是编译语言。编译语言在执行的时候，必须先通过编译器生成机器码，机器码可以直接在CPU上执行，所以执行效率较高。 像JavaScript,Python都是直译式语言。直译式语言不需要经过编译的过程，而是在执行的时候通过一个中间的解释器将代码解释为CPU可以执行的代码。所以，较编译语言来说，直译式语言效率
xcode编译时，有第三方库时，编译设置build active architecture only问题
ysysbaobei的专栏
11-17 3万+
1、http://blog.csdn.net/dengdengxiximeimei/article/details/8845621   关于Build Active Architecture Only属性 2013-04-24 16:54 153人阅读 评论(0) 收藏 举报 这个属性设置为yes，是为了debug的时候编译速度更快，它只编译当前的architectur
ORB_SLAM 初接触
qqh19910525的博客
07-01 2763
MacOSX 移植版本： GitHub - meiroo/ORBSLAM2-OSX iOS 移植版本： meiroo/ORBSLAM2-iOS · GitHub ==================================== 以前读过部分PTAM代码。 不过对于ORB_SLAM还没有接触过。最近打算有时间看一看。正好赶上ORB_SLAM2，所以直接从ORB_SL
由首份SLAM技术问卷，看SLAM的现状和趋势
hiarxiaoliang的博客
06-26 926
SLAM是AR的核心技术之一，是AR行业发展绕不开的一环，亮风台作为一家专注AR核心技术的人工智能公司，也一直在深入SLAM技术的研发。为了更好地了解开发者、市场对SLAM的认知和需求，为亮风台的SLAM技术持续优化提供参考，以便于更好地服务开发者和用户，我们对行业相关人员进行了有针对性的调研。感谢各位朋友的热情参与，现在将调研结果分享如下，我们将从SLAM的热度、人们的认知度、应用场景与核心问题...
VINS-Mono论文翻译
JunJun
04-09 1168
由一个相机和一个低成本惯性测量单元(IMU)组成的单目视觉惯性系统(VINS)，构成了用于估计六自由度状态的最小传感器单元（大小，重量和功耗）。本文提出了VINS-Mono：一个通用和鲁棒的单目视觉惯性状态估计器。我们的方法从鲁棒的估计器初始化程序开始。采用一种基于紧耦合和非线性优化的方法，通过融合预积分后的IMU测量值和特征观测值，获得高精度的视觉惯性里程计。结合我们的紧耦合方法，回环检测模块能够以最小的计算代价实现重定位。此外，我们还进行了四自由度位姿图优化，以增强全局一致性。
YOLO算法工业车间机器人目标检测数据集-624张-标注类别为包装-仓储-分料盒-干躁-混料-混料机-基础-基础设备-捏合设备-皮带线-切割-切割设备-机器人-烧成-原料-中控.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练，包含YOLO格式标签和VOC格式标签； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
目标跟踪与多传感器融合技术探讨[代码]
06-27
本文主要探讨了目标跟踪、多传感器融合及非线性滤波等领域的算法与技术。博主擅长提供代码复现、技术支持及学术探讨，并欢迎通过私信或微信联系。在估计、滤波与融合方面，涵盖了多种线性与非线性滤波算法，如卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、中心差分滤波（CDKF）、强跟踪滤波（STF）、容积卡尔曼滤波（CKF）、求积卡尔曼滤波（QKF）、高斯近似滤波（GAF）、高斯混合滤波（GMF）及粒子滤波（PF）等。多传感器融合方面包括集中式、分布式、序贯及联邦卡尔曼滤波等方法。参数估计算法涉及最大似然（ML）、最小二乘（LS）、最大后验（MAP）及最小均方误差（MMSE）。目标跟踪方面，涵盖了基于不同滤波算法和运动模型（如CV、CA、CT、Singer、CS、Jerk等）的机动与非机动目标跟踪，以及基于不同传感器（如雷达、声纳、AOA、TOA、TDOA等）的跟踪方法。此外，还涉及IMM、广义伪贝叶斯等组合算法，以及二维组网雷达三维跟踪、抗野值跟踪、实时显示等具体问题。
MySQL远程连接错误解决[项目源码]
06-27
YOLO算法家庭厨房嵌入式烤箱目标检测数据集-1092张-标注类别为烤箱.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8,v9, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
YOLO算法室内居家环境跌倒目标检测数据集-364张-标注类别为跌倒-未跌倒.zip
06-27
【注：该页面底部资源详情处，可查看数据集可视化效果】 1. YOLO目标检测数据集， 适用于YOLOV5、yolov7,yolov8,v9, yolov11, yolov13, yolo26等系列算法，含标签，已标注好，可以直接用来训练； 2. 内置data.yaml数据集配置文件，已经划分好了训练集、验证集等； 3. 数据集和模型具体情况可参考 https://blog.csdn.net/zhiqingAI/article/details/124230743?spm=1001.2014.3001.5502
酒店管理系统（含部署教程）
06-27
酒店管理系统（含部署教程）
Win10下MySQL root密码重置方法[可运行源码]
06-27
本文详细介绍了在Windows 10系统下，当MySQL的root用户密码忘记时的解决方案。首先，通过快捷键Win+R打开运行窗口，输入services.msc进入服务管理界面，找到MySQL服务并将其停止。接着，找到MySQL的安装目录，定位到配置文件（通常是my.ini或my-default.ini），记录其路径。然后，打开命令提示符窗口，执行命令：mysqld --defaults-file="配置文件路径" --console --skip-grant-tables，以跳过权限验证方式启动MySQL服务。之后，另开一个命令行窗口，输入mysql -u root -p直接进入MySQL命令行界面，无需密码。最后，在MySQL命令行中依次执行show database;、use mysql;、update user set password=password("新密码") where user="root";，即可成功更新root用户的密码，解决忘记密码的问题。
stm32单片机项目资料课程设计文档C语言程序代码原理图电路PCB实例传感器控制继电器模块DXP资料
06-27
stm32单片机项目资料课程设计文档C语言程序代码原理图电路PCB实例传感器控制继电器模块DXP资料
【风电功率预测】【多变量输入单步预测】基于CNN-BiGRU-Attention的风电功率预测研究（Matlab代码实现）
06-27
内容概要：本文研究了基于CNN-BiGRU-Attention混合神经网络模型的风电功率预测方法，旨在提升风力发电功率预测的准确性。该模型融合卷积神经网络（CNN）以提取输入变量中的局部时空特征，结合双向门控循环单元（BiGRU）充分捕捉时间序列前后向的长期依赖关系，并引入注意力机制（Attention）动态加权关键时间步的特征信息，增强模型对重要时刻的敏感度。研究采用多变量输入进行单步预测，综合纳入风速、风向、温度等多种气象因素作为模型输入，全面反映环境变量对风电输出的影响。通过Matlab平台完成模型构建、训练与仿真验证，实验结果表明该混合模型在预测精度与稳定性方面优于传统单一模型，有效提升了风电功率预测性能。; 适合人群：具备一定机器学习与深度学习理论基础，熟悉Matlab编程环境，从事新能源发电预测、电力系统调度、智能算法应用等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标：①应用于风电场实际运行中的短期功率预测，提高电网调度的安全性与可再生能源消纳效率；②为深度学习模型在复杂时序预测任务中的设计与优化提供实践范例，推动AI技术在能源系统智能化中的深度融合；③支持学术研究复现、课程项目设计与教学演示，帮助深入理解CNN、BiGRU与Attention机制的协同建模范式与实现细节。; 阅读建议：建议结合提供的Matlab代码进行动手实践，重点关注数据预处理流程、模型网络结构设计、超参数调优及训练收敛过程，鼓励尝试替换输入变量组合、调整网络层数或优化注意力结构，以进一步探究模型性能边界并提升预测鲁棒性。
基于Benders、TSO-DSO协调的不确定性的输配电网双层优化模型研究（Matlab代码实现）
06-27
内容概要：本文研究了基于Benders分解算法与输电网-配电网运营商（TSO-DSO）协调机制的双层优化模型，旨在有效应对新能源出力波动、负荷不确定性等对现代电力系统运行带来的挑战。模型上层由输电网运营商（TSO）负责全局资源优化与主网稳定性调控，下层由多个配电网运营商（DSO）实现本地分布式能源的灵活调度，通过Benders分解实现上下层之间的迭代协调与信息交互，从而在保障系统安全的前提下提升整体运行的经济性与鲁棒性。研究提供了完整的Matlab代码实现，涵盖数学建模、算法求解、收敛性分析及仿真结果可视化等环节，有助于深入理解双层优化架构在输配电网协同调度中的具体应用与技术细节。; 适合人群：具备电力系统分析、优化理论基础及一定Matlab编程能力的研究生、科研人员，以及从事电网调度、能源系统规划等相关领域的工程技术人员。; 使用场景及目标：①掌握Benders分解在电力系统双层优化问题中的建模与求解流程；②理解TSO-DSO协同机制下输配电网交互建模的核心思想与实现方法；③复现并拓展高水平学术论文中的优化模型，服务于科研项目攻关或实际工程仿真需求。; 阅读建议：建议结合凸优化理论、电力系统经济调度与Benders分解原理进行系统学习，优先运行并调试所提供的Matlab代码，调整关键参数以观察算法收敛行为与模型性能变化，从而深化对协调机制与优化机理的理解。
【使用TI TMS320C5416设计IIR带阻和陷波滤波器】通过双线性变换（BLT）和放置极点和零点来设计IIR滤波器（Matlab代码实现）
06-27
内容概要：本文详细介绍了基于TI TMS320C5416数字信号处理器设计IIR带阻和陷波滤波器的方法，重点采用双线性变换法（BLT）与极点-零点配置法进行滤波器设计，并通过Matlab实现滤波器的建模、仿真与性能分析。文章系统阐述了IIR滤波器的设计原理，涵盖频率响应特性、稳定性判断准则以及数字滤波器在实际DSP平台上的实现流程，强调从理论推导到代码实现再到硬件部署的完整技术链条，帮助读者掌握高性能滤波器在嵌入式环境中的工程化应用。; 适合人群：具备数字信号处理基础理论知识和Matlab编程能力，从事通信系统、音频处理、生物医学信号处理或嵌入式系统开发的研究生、工程师及科研人员。; 使用场景及目标：①深入理解IIR带阻与陷波滤波器的设计流程及其在噪声抑制、干扰消除中的应用场景；②掌握双线性变换法在避免频率混叠方面的优势与实现细节；③实现从Matlab算法仿真到TMS320C5416 DSP平台的代码移植、调试与实时验证； 阅读建议：建议结合Matlab仿真工具与DSP开发环境同步实践，重点关注极点与零点分布对滤波器幅频特性和相位特性的影响，并通过调整参数优化通带波动、阻带衰减等关键性能指标。
经济学期刊论文复现：数字化转型能促进企业的高质量发展吗
06-27
内容概要：本文档是一份关于经济学期刊论文复现的研究资料，聚焦核心议题“数字化转型能否促进企业的高质量发展”。文档构建了一个完整的量化分析框架，基于中国上市公司数据，实证探讨数字化转型对企业全要素生产率（TFP）及高质量发展的实际影响。内容涵盖数字化转型指标的构建、企业高质量发展评价体系的设计、计量经济模型的选择与应用（如固定效应模型、GMM方法），并提供Matlab代码实现全过程，包括数据处理、模型估计与稳健性检验。研究还系统梳理了OL、FE、LP、OP、GMM等多种全要素生产率的测算方法，为读者复现高水平经济学论文、深入理解数字经济时代的企业发展路径与政策含义提供了详尽的技术支持与理论指导。; 适合人群：具备扎实的经济学理论基础和较强的定量分析能力，熟悉Matlab或Python编程语言，正在从事经济管理、产业经济或数字经济等领域研究的研究生、高校教师及科研机构研究人员。; 使用场景及目标：①完整复现经济学顶刊论文的实证研究流程，掌握规范的学术研究范式；②学习并应用数字化转型与企业绩效间的因果识别策略，提升独立开展实证研究的能力；③为撰写学位论文、申报科研课题或编制政策咨询报告中涉及数字经济效应的章节提供直接的方法论参考和代码支持； 阅读建议：建议读者务必结合文档提供的数据与Matlab代码进行同步实操，重点钻研变量定义、模型设定、内生性处理和稳健性检验等关键环节，通过反复调试与验证，深刻领会高水平实证研究的严谨逻辑与技术细节，从而全面提升自身的科研素养与论文写作水平。
【创新未发表】绿电直连型电氢氨园区优化运行研究（Matlab代码、Python、数据、word论文）
06-27
内容概要：本文围绕“绿电直连型电氢氨园区优化运行”开展创新性未发表研究，提出一种集成绿色电力直接供给、电解水制氢与合成氨工艺的多能耦合系统优化模型，旨在实现园区能源系统的低碳化、高效化与经济化运行。研究采用Matlab与Python编程语言，结合实际气象与负荷数据，构建涵盖电-氢-氨能量转换、存储与利用全过程的能量流、物质流及经济性协同优化框架，重点解决可再生能源出力波动导致的供需失衡问题，并通过优化电解槽、储氢罐、合成氨反应器等关键设备的运行策略与容量配置，提升系统对风光能源的就地消纳能力。文中配套提供完整的仿真代码、原始数据及Word格式论文，支持结果复现与模型拓展，具有较高的科研参考价值与工程应用潜力。; 适合人群：具备电力系统、能源工程、优化建模或新能源技术背景，从事综合能源系统、氢能利用、碳中和园区等相关领域研究的研发人员及硕士、博士研究生。; 使用场景及目标：①研究绿电直供模式下电-氢-氨多能系统协同运行机制与优化调度策略；②探索高比例可再生能源就地转化为高附加值化工产品的技术路径；③为工业园区实现深度脱碳与能源自洽提供决策支持；④作为学术论文撰写、课题申报或科研复现的高质量参考资料。; 阅读建议：建议结合Matlab与Python代码逐模块解析模型实现过程，重点关注目标函数构建、约束条件设定（如设备动态特性、能量平衡、安全边界）以及多场景仿真对比分析，宜在调试过程中调整权重系数与参数设置，深入理解系统灵敏度与优化机理，并尝试引入更多不确定性因素进行鲁棒性扩展。
易语言源码易语言简单邮件协议发送
最新发布
06-27
易语言源码易语言简单邮件协议发送
暗黑赛博风技术博客 SvelteKit完整源码与部署文档
06-27
内容概要：本资源围绕「暗黑赛博风技术博客 SvelteKit」构建完整可运行博客项目，覆盖首页、文章列表、详情阅读、分类标签、示例内容、SEO 信息、响应式布局、部署配置与基础验证脚本。项目技术栈为 SvelteKit / TypeScript / Markdown，视觉风格突出暗黑、赛博、技术感，适合作为博客网站源码学习、课程实践、企业或个人内容站二次开发基础。 适合人群：具备前端或 Web 开发基础，准备学习博客网站架构、静态站点生成、内容建模、主题设计与部署流程的开发人员。 能学到什么：①博客站点的信息架构与页面组织方式；②SvelteKit / TypeScript / Markdown 在内容型网站中的工程实践；③SEO、响应式布局、构建验证和部署交付的完整流程。 阅读建议：建议先阅读 README 了解目录结构与启动方式，再结合源码修改示例文章、样式主题和配置项，通过构建命令验证修改效果。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值