全流程机器视觉工程开发（四）PaddleDetection C++工程化应用部署到本地DLL以供软件调用

前言

我们之前跑了一个yolo的模型，然后我们通过PaddleDetection的库对这个模型进行了一定程度的调用，但是那个调用还是基于命令的调用，这样的库首先第一个不能部署到客户的电脑上，第二个用起来也非常不方便，那么我们可不可以直接将Paddle的库直接做成一个DLL部署到我们的软件上呢？答案是可以的，接下来我就会全流程地完成这一操作。

流程

部署流程主要参考了几个文档：
Visual Studio 2019 Community CMake 编译指南
PaddleDetection部署c++测试图片视频 (win10+vs2017)

流程的话主要有以下几个步骤

1. 编译opencv
2. 下载cuda库（如果之前安装了cudnn和cuda toolkit，那就不用管这一块，我这里演示cpu版本的安装)
3. 下载PaddlePaddle C++ 预测库 paddle_inference
4. 编译

内容

编译opencv

这里直接略过吧，这个没什么好说的，而且在我们上文中全流程机器视觉工程开发（三）任务前瞻 - 从opencv的安装编译说起，到图像增强和分割

我们已经完成了opencv的安装和配置，这里就不多说了

下载cuda库

这里由于使用的是CPU版本的推理库，所以这里也直接略过。

下载推理库paddle_inference

下载安装预测库

下载后解压即可，找个地方摆好备用。

4. 编译

编译的时候找到PaddleDetection库下的 \PaddleDetection\deploy\cpp 目录

使用CMake GUI打开这个文件夹，会有很多地方爆红，按照文档中给定的要求填就可以了

由于我这里没有用CUDA，所以只用填OPencv_dir和paddle_dir即可，如果你不想每次都填，可以直接改写cpp文件夹下的CMakeList.txt

将11 -17行中改成你想要的，比如我下面的改法：

option(WITH_MKL        "Compile demo with MKL/OpenBlas support,defaultuseMKL."          ON)
#我这里不开GPU，所以这个改成off
option(WITH_GPU        "Compile demo with GPU/CPU, default use CPU."                    OFF)
option(WITH_TENSORRT   "Compile demo with TensorRT."                                    OFF)

option(WITH_KEYPOINT        "Whether to Compile KeyPoint detector"                    OFF)
option(WITH_MOT       "Whether to Compile MOT detector" OFF)

#SET(PADDLE_DIR "" CACHE PATH "Location of libraries")
#SET(PADDLE_LIB_NAME "" CACHE STRING "libpaddle_inference")
#SET(OPENCV_DIR "" CACHE PATH "Location of libraries")
#SET(CUDA_LIB "" CACHE PATH "Location of libraries")
#SET(CUDNN_LIB "" CACHE PATH "Location of libraries")
#SET(TENSORRT_INC_DIR "" CACHE PATH "Compile demo with TensorRT")
#SET(TENSORRT_LIB_DIR "" CACHE PATH "Compile demo with TensorRT")
SET(PADDLE_DIR "D:\\WorkShop\\Python\\paddle_inference")
SET(PADDLE_LIB_NAME "paddle_inference")
SET(OPENCV_DIR "C:\\Program Files (x86)\\opencv")
include(cmake/yaml-cpp.cmake)

include_directories("${CMAKE_SOURCE_DIR}/")
include_directories("${CMAKE_CURRENT_BINARY_DIR}/ext/yaml-cpp/src/ext-yaml-cpp/include")
link_directories("${CMAKE_CURRENT_BINARY_DIR}/ext/yaml-cpp/lib")

重新在gui里面configure一下这个工程，就会变成这样：

点击generate，就在build 文件夹下生成了工程

这时候直接build一下总的解决方案就可以了

常见错误

未定义标识符CV_xxxx_xxxx

这个是因为在opencv新版本中将这些标识符都改名了，现在将这些未定义的标识符从CV_xxx_xxx改成cv::xxx_xxx即可，比如：

改为：

把报错的地方都改一下就可以了

无法打开源文件 "yaml-cpp/yaml.h"

这个是main工程里的CMakeList.txt的问题，将25行左右按照如下修改一下就可以了：

# 尽量不要用CMAKE_CURRENT_BINARY_DIR，改用CMAKE_BINARY_DIR
#include_directories("${CMAKE_CURRENT_BINARY_DIR}/ext/yaml-cpp/src/ext-yaml-cpp/include")
message(STATUS ".123123${CMAKE_BINARY_DIR}/ext/yaml-cpp/src/ext-yaml-cpp/include")
include_directories(${CMAKE_BINARY_DIR}/ext/yaml-cpp/src/ext-yaml-cpp/include)
#link_directories("${CMAKE_CURRENT_BINARY_DIR}/ext/yaml-cpp/lib")
link_directories(${CMAKE_BINARY_DIR}/ext/yaml-cpp/lib)

无法找到libyaml-cppmt.lib

请使用Release编译，貌似这个库不支持debug编译，因为这里引用似乎没有引用libyaml-cppmtd.lib

修改

我们现在就编译过了这个库，但是现在编译完成的结果其实还有个问题，那就是这玩意还是个exe，当然了我并不需要exe，我希望我的东西是个dll，这样就可以集成到别的项目去了。

这里提一嘴，我这里编译出来的库没有用CMake管理，因为接口比较简单，所以就是直接用windows的那种lib+dll的形式导出的，没有让 cmake直接管理。因为用CMake直接管理引用的话，会比较麻烦，容易造成一些不必要的问题。用静态链接的方式的话，反正直接链接上去掉接口就完了，只要头文件里面不要包含paddle的东西，管你内容是什么呢？

代码和工程明天上班再补吧，反正也没人看，有人看了不懂再说吧。