phpcurl交叉编译技巧_嘉宾博文OpenCV若安在区块链操作系统中进行交叉编译

作者简介

Marcus Souza 来自巴西伯南布哥的 Paudalho，在 Locus Custom Software 担当软件工程师。
理学硕士。
在伯南布哥联邦大学，他拥有八年的技能履历，专注于机器学习和打算机视觉，最近对区块链游戏开拓很感兴趣。
本文源于一项利用打算机视觉领域和 Cartesi Rollups 的研究，展示了如何将 OpenCV 与 Rollups DApp 一起利用。

什么是Cartesi Machine？

Cartesi Machine 是 Cartesi（区块链操作系统）的引擎，它是一个用于开拓和支配可扩展的去中央化运用程序(DApps)的第二层平台。
区块链操作系统供应了一个与区块链根本架构相结合的Linux操作系统，它许可利用熟习的编程措辞(如Python)开拓dapp，而不须要编写solid代码。
刚刚理解 Cartesi吗 ？ 在这里理解更多关于区块链操作系统的信息。

OpenCV是什么？

OpenCV是图像处理和实行打算机视觉任务最好的工具之一。
它是一个开源库，可以用来实行人脸检测、异议跟踪、地标检测等任务。
它支持多种措辞，包括Python、Java和c++。

https://www.analyticsvidhya.com/blog/2021/09/some-amazing-applications-of-opencv-library/

为什么将 OpenCV 和 Cartesi Machine 同时利用？

在Cartesi Machine内运行OpenCV将使dapp开拓职员能够以分散的办法探索繁芜的主题，如生物识别中的指纹欺骗检测，并将从图像中提取的特色输入机器学习模型进行模式识别。

本教程将辅导您完成利用命令行为Cartesi Machine RISC-V仿照器交叉编译OpenCV的主要步骤。

条件假设:

第 1 部分：RISC-V GNU 编译器工具链

构建工具链来交叉编译OpenCV，并在Cartesi Machine中利用它可能是麻烦。
强烈建议从https://github.com/cartesi/image-toolchain 获取已经构建的工具链，但用户也可以从头构建它。
因此，可以重现以下步骤。

从Cartesi image-toolchain获取工具链

最安全的方法是利用cartesi image-toolchain存储库中已经存在的工具链。
克隆过程结束后，实行自述文件中提到的构建和运行命令。

$make build

$make run

实行此命令将利用户能够在掌握台模式下访问docker镜像。
这样，用户就可以访问/opt/riscv文件夹，查看它的内容。

$root@toolchain-env:/opt/riscv/riscv64-cartesi-linux-gnu# ls

bin build.log.bz2 include lib libexec riscv64-cartesi-linux-gnu share

$root@toolchain-env:/opt/riscv/riscv64-cartesi-linux-gnu#

现在，将这个文件夹复制到主机上，所有的需求都准备好编译OpenCV了。

构建工具链

但是，如果选择真的构建工具链，可以从RISC-V官方的GitHub上克隆它。
一旦安装了依赖项，编译就很大略了。

1. 先决条件

要创建工具链，你须要一些常见的包，以是运行下面的命令:

$ sudo apt update && sudo apt upgrade

$ sudo apt install gcc g++ git make cmake python python3 gcc-multilib vim autoconf automake autotools-dev curl libmpc-dev libmpfr-dev libgmp-dev gawk build-essential bison flex texinfo gperf libtool patchutils bc zlib1g-dev libexpat-dev pkg-config libglib2.0-dev cmake-gui

2. 克隆存储库并获取子模块

通过在配置过程中指定PREFIX，可以将工具链安装在适当的目录中，克隆将在主(~)目录中完成。

# Around 6.65 GB of the disk will be used.

$ cd ~

$ git clone https://github.com/riscv/riscv-gnu-toolchain.git

$ cd riscv-gnu-toolchain

$ git submodule update — init — recursive

3.配置工具链

与Cartesi Machine兼容的配置为- march=rv64ima - mabi=lp64。
因此，配置如下所示:

$ ./configure — prefix=/opt/riscv — with-arch=rv64ima — with-abi=lp64

GCC文档包括的选项 —- march and —- mabi.

4. 构建工具链

# Still in riscv-gnu-toolchain directory.

$ make linux -j$(nproc)

现在，工具链将是/opt/riscv/bin文件夹，我们就可以开始了。

第2部分:交叉编译OpenCV

OpenCV运行在许多硬件平台上，并在能够承受它的平台上利用SIMD(单指令多数据)加速。
OpenCV供应了一种相对实用的方法，可以将优化后的内核移植到一个全新的体系构造中，只要它能够承受SIMD/向量指令。

在本例中，我们希望在笛卡尔机器中像在任何Linux操作系统中一样正常地利用它。
为此，请实行以下操作。

得到OpenCV的先决条件

# You can make a .sh script for all those commands below.

$ sudo apt install build-essential cmake git unzip pkg-config

$ sudo apt install libjpeg-dev libpng-dev libtiff-dev

$ sudo apt install libavcodec-dev libavformat-dev libswscale-dev

$ sudo apt install libgtk2.0-dev libcanberra-gtk

$ sudo apt install python3-dev python3-numpy python3-pip

$ sudo apt install libxvidcore-dev libx264-dev libgtk-3-dev

$ sudo apt install libtbb2 libtbb-dev libdc1394–22-dev

$ sudo apt install libv4l-dev v4l-utils

$ sudo apt install libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev

$ sudo apt install libavresample-dev libvorbis-dev libxine2-dev

$ sudo apt install libfaac-dev libmp3lame-dev libtheora-dev

$ sudo apt install libopencore-amrnb-dev libopencore-amrwb-dev

$ sudo apt install libopenblas-dev libatlas-base-dev libblas-dev

$ sudo apt install liblapack-dev libeigen3-dev gfortran

$ sudo apt install libhdf5-dev protobuf-compiler

$ sudo apt install libprotobuf-dev libgoogle-glog-dev libgflags-dev

# a symlink to videodev.h

$ cd /usr/include/linux

$ sudo ln -s -f ../libv4l1-videodev.h videodev.h

$ cd ~

克隆OpenCV

既然所有先决条件都设置好了，现在就进入OpenCV存储库。

$ git clone https://github.com/opencv/opencv

$ cd OpenCV

$ mkdir build && cd build

为RISC-V构建OpenCV

既然所有先决条件都设置好了，现在就进入OpenCV存储库。

$ git clone https://github.com/opencv/opencv

$ cd OpenCV

$ mkdir build && cd build

为RISC-V构建OpenCV

CMake可以在命令行或通过GUI进行配置。
为了大略起见，下面的步骤展示了利用cmake-gui的过程。

1、通过输入$cmake-gui在构建目录中创建一个cmake-gui实例。

2. 仔细查看源代码所在的位置以及构建二进制文件的位置，并相应地设置路径。

3.在您设置了适当的路径之后，单击configure，将涌现一个窗口。
将项目的天生器设置为Unix Makefiles，并在指定交叉编译选项阁下的框中打勾。

4. 单击Next后，将涌现下面的对话框。
在这里，设置GCC和g++交叉编译器和目标根的路径。

5. 一旦你点击Finish, GUI就会像这样涌现:

6. 要安装的模块可以在这里检讨。
作为一个例子:

7. 确保你完成了以下任务:

CMAKE_BUILD_TYPE to Release.

Set CMAKE_LINKER_FLAGS to -lrt -lpthread.

将CMAKE INSTALL前缀变动为一个单独的目录，以避免滋扰本地架构库。

Disable WITH_1394

8. 设置所有这些值之后，单击generate按钮天生Makefile并退出。

退出CMake-GUI后，在前面给出的前缀处构建并安装OpenCV。

第3部分:将OpenCV放入Cartesi Machine

要将OpenCV放入Cartesi Machine中，可以通过DApp安装或复制来完成。
为了大略和测试，下面是将OpenCV复制到机器内部文件夹的步骤。
为此，挂载rootfs。
一样平常的Cartesi示例附带的ext2文件。

marcus@cartesiVM:~/Documents$ sudo mount -o loop rootfs.ext2 /mnt/cartesi

这将把rootfs系统挂载到/mnt/cartesi路径中。
只需在文件系统中复制OpenCV交叉编译的文件夹(利用命令行或nautilus资源管理器)。
在复制之前，请确保文件系统有足够的空闲空间。
如果不是，则可以利用普通命令增加其大小。
在本教程中，复制文件夹是/mnt/cartesi/usr/local/opencv-rvv。
有了它，OpenCV就可以在Cartesi Machine中利用了!

第4部分:在Cartesi Machine内测试构建的库

在这一部分，将操作从RGB图像转换为灰度内的笛卡尔机将作为一个例子。

将输入图像转换为灰度并保存在磁盘上的代码:

#include <opencv2/opencv.hpp>

#include “opencv2/imgproc/imgproc.hpp”

#include <string>

#include <iostream>

int main(int argc, char argv[]){

cv::Mat imagem;

cv::Mat imgGrayscale;

imagem = cv::imread(argv[1], cv::IMREAD_COLOR);

cv::cvtColor(imagem,imgGrayscale,cv::COLOR_BGR2GRAY);

cv::imwrite(“imggray.jpg”, imgGrayscale);

printf(“DONE!”);

return 0;

}

利用以下命令交叉编译上述代码:

$ riscv64-cartesi-linux-gnu-g++ lerImagem.cpp -o lerImagem -I /usr/local/opencv-rvv/include/opencv4 -L /usr/local/opencv-rvv/lib -lopencv_core -lopencv_imgcodecs -lopencv_imgproc

像这样，一个名为“lerImagem”的可实行文件将被编译并准备在Cartesi Machine中运行。
它既可以用来构建一个DApp，也可以直策应用它，就像复制OpenCV一样。
如下图所示:

常见缺点:

1、无法定位标题

fatal error: opencv2/opencv.hpp: No such file or directory

办理方案:编译时包含 -I /usr/local/opencv-rvv/include/opencv4

2. 无法定位库文件

cannot find -lopencv_core ld: cannot find -lopencv_imgcodecs

办理方案:编译时包含 -L /usr/local/opencv-rvv/lib

3.成功编译后，在运行时加载期间无法检测到动态库。

error while loading shared libraries: libopencv_core.so.4.5: cannot open shared object file: No such file or directory

办理方法:导出库路径(编译前)。

关于Locus

Locus Custom Software 是一家总部设在巴西的公司;它于2014年开始运营，目前与天下各地的多个项目、品牌和成员互助。
Locus供应的做事包括CTO即做事、员工扩充、班组外包、QA测试因子、云安全、数字产品设计和设计初始。
Locus将看似无法办理的技能困境转化为发展机遇，带来快速且有质量担保的办理方案。
天下已经变了，公司和个人的需求也一样。
这种需求标志着创新和敏捷性的存在。

关于Cartesi

Blockchain OS 是一个分散的第 2 层根本举动步伐，支持 Linux 和主流编程软件组件。
使得开拓职员可以第一次在Blockchain OS上利用丰富的传统软件工具、库和他们习气的做事编写可扩展的智能合约，Cartesi 弥合了主流软件和区块链之间的差距。

Cartesi 正在引领数百万新创业公司及其开拓职员加入并利用区块链操作系统，同时将 Linux 运用程序纳入个中。
凭借首创性的虚拟机、Rollups和侧链，Cartesi 为所有开拓职员铺平了道路，以帮助他们进入区块链的天下并构建下一代区块链运用程序。

Cartesi在此诚挚的约请所有人，请和我们一起来到区块链操作系统的天下，一起探索未来。