SuperGlue是Magic Leap在CVPR 2020上展示的研究項目，它是一個圖神經網絡（Graph Neural Network）和最優匹配層（Optimal Matching layer）的結合，訓練用于對兩組稀疏圖像特征進行匹配。這個項目提供了PyTorch代碼和預訓練的權重，可以在SuperPoint關鍵點和描述子的基礎上運行SuperGlue匹配網絡。給定一對圖像，你可以使用這個項目來提取圖像對之間的匹配特征。

SuperGlue作為一個“中端”操作，執行上下文聚合、匹配和過濾等功能，是一個端到端的架構。

要在Ubuntu系統上配置并運行SuperGluePretrainedNetwork而不使用CUDA（即不使用GPU），你可以按照以下步驟進行。這些步驟基于SuperGlue的官方GitHub倉庫的指導，但已修改為適應僅使用CPU的情況。

1. 克隆倉庫

首先，打開一個終端，并使用以下命令克隆SuperGlue的GitHub倉庫：

git clone https://github.com/magicleap/SuperGluePretrainedNetwork.git
cd SuperGluePretrainedNetwork

2. 創建Python虛擬環境

創建一個新的Python虛擬環境以避免依賴項與系統的其他項目沖突。這一步需要你已經安裝了Python3和pip。

sudo apt-get install python3-venv
python3 -m venv superglue-env
source superglue-env/bin/activate

3. 安裝依賴

在虛擬環境中安裝所有必要的Python依賴。由于不使用CUDA，可以忽略與CUDA相關的依賴。

pip install -r requirements.txt

?有可能提醒你安裝wheel

pip install wheel

4. 強制使用CPU

要確保代碼在沒有CUDA的情況下運行，在執行腳本時添加--force_cpu標志。例如，如果要運行demo_superglue.py腳本：

demo_superglue.py腳本接受的參數有：

• --input: 輸入圖像或圖像文件夾的路徑。
• --output_dir: 輸出目錄的路徑。
• --image_glob: 用于匹配輸入目錄中圖像文件的glob模式。
• --skip: 在處理連續幀時跳過的幀數。
• --max_length: 處理的最大幀數。
• --resize: 調整圖像大小的參數，接受一個或兩個值（寬度和高度）。
• --superglue: 使用的SuperGlue模型的類型（outdoor或indoor）。
• --max_keypoints: 每個圖像提取的最大關鍵點數。
• --keypoint_threshold: 關鍵點檢測的置信度閾值。
• --nms_radius: 非最大抑制（NMS）的半徑。
• --sinkhorn_iterations: Sinkhorn算法的迭代次數。
• --match_threshold: 匹配閾值。
• --show_keypoints: 是否顯示關鍵點。
• --no_display: 不顯示圖像結果。
• --force_cpu: 使用CPU而不是GPU。

python demo_superglue.py --input assets/scannet_sample_images/ --output_dir output/ --resize -1 -1 --force_cpu

?這里，我假設--resize -1 -1意味著你不想調整圖像大小。你需要根據實際的demo_superglue.py腳本接受的參數來調整這個命令。如果你需要針對特定圖像對運行匹配過程，你可能需要查看腳本內部的實現，看是否支持直接指定圖像對，或者你可能需要手動調整腳本來適應你的需求。

5. 使用KITTI 00進行測試的結果

?

?

?

?