(번역) 실시간 컴퓨터 비전을 위한 C++ 최적화 (11) - PCL 라이브러리 최적화

Posted on Edited on In , ,

Davide Faconti의 CPP Optimization Diary 블로그 글 중 “Case study: filter a Point Cloud faster”을 적당히 번역했습니다. 원글 링크는 여기를 봐주세요.


Point Cloud Library (PCL)는 로보틱스, 자율주행, 3D 인지 쪽에서 굉장히 유명한 라이브러리죠. 이 라이브러리는 위 분야들에 엄청난 기여를 했습니다.

PCL은 12,000개가 넘는 커밋과 5천개가 넘는 Github star를 가진 거대 오픈소스 프로젝트입니다.

약 400명이 넘는 컨트리뷰터가 있는데, 이런 경우에는 이 분야 고수들이 기능을 만드느라 최적화를 할 기회가 없다고 생각하실 수도 있겠습니다.

그리고 여기 제가 있습니다.

나: “ㅋㅋㅋ”


ConditionalRemoval 필터

PCL을 조금 써보신 분들이라면 pcl::ConditionalRemoval 기능을 한번쯤은 써보셨을 것 같습니다.

공식 튜토리얼에서는 해당 기능을 다음과 같은 방식으로 사용하라고 알려줍니다:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
// 읽기 쉽게 조금 코드를 바꿨습니다
using namespace pcl;

auto range_cond  = std::make_shared<ConditionAnd<PointXYZ> ();
range_cond->addComparison ( 
    std::make_shared<FieldComparison<PointXYZ>("z", ComparisonOps::GT, 0.0));
range_cond->addComparison (
    std::make_shared<FieldComparison<PointXYZ>("z", ComparisonOps::LT, 1.0)));

// 필터 생성
ConditionalRemoval<PointXYZ> condition_removal;
condition_removal.setCondition (range_cond);
condition_removal.setInputCloud (input_cloud);
// 필터 적용
condition_removal.filter (*cloud_filtered);

이 코드는 간단하게 Point cloud에 필터를 적용하는데, 필터를 통과할 수 있는 point의 특성에 대한 조건을 걸어주는 겁니다. 여기서 그 조건은 다음과 같습니다. 0.0보다 크고 (Greater than == GT) 1.0보다 작은 경우 (Less than == LT).


PCL 사용에 익숙하지 않으신 분들을 위해 조금 더 쉽게 정리하겠습니다.

  • 필터 조건을 하나 만듭니다. 첫번째 조건은 ‘Point의 xyz좌표 중 Z 값이 0.0보다 커야한다’ 입니다.
  • 또 다른 필터 조건을 하나 만듭니다. 두번째 조건은 ‘Point의 xyz좌표 중 Z 값이 1.0보다 작아야한다’ 입니다.
  • 이 조건들은 ConditionAnd에 추가됩니다.
  • ConditionalRemoval을 사용해 이 두개의 조건들을 Point cloud에 적용할겁니다.
  • 필터가 적용되면, 이 조건을 통과하는 point들만 point cloud에 남게 됩니다.



보통의 Point cloud는 몇천개~몇만개의 포인트를 가지고 있습니다.

한번 생각해봅시다:

Point cloud는 사실상 vector에 point 들을 담아놓은 데이터가 아니겠습니까?

각각의 point들은 아래처럼 생겼겠죠.


1
2
3
4
5
6
// 엄청 간단하게 축약한겁니다.
struct PointXYZ{
  float x;
  float y;
  float z; 
};


필터를 통과하고 난 후의 point cloud를 새로 만든다고 생각해봅시다. 필터 조건은 아래와 같습니다.

1
0.0 < point.z < 1.0


제가 어떻게 코드를 바꿀껀지 물어보신다면, 저는 우선 이렇게 할 것 같습니다.

1
2
3
4
5
6
7
8
9
auto cloud_filtered = std::make_shared<PointCloud<PointXYZ>();

for (const auto& point: input_cloud->points) 
{
  if( point.z > 0.0 && point.z < 1.0 )
  {
    cloud_filtered->push_back( point );
  }
}


굉장히 간단한 “naive filter” 입니다.

실제 벤치마크를 보여드리기 전에, 우선 말씀드려야 할 점은… pcl 필터는 사실 이거보다 더 많은 체크를 하긴 합니다. 포인트 클라우드는 종종 이상한 레어 케이스가 있는데, 그걸 방지하는 체크가 많이 내장되어있습니다.

하지만 우선 저희가 아래와 같은 필터 조건을 건 것은 기억해주세요.

1
2
pcl::FieldComparison<pcl::PointXYZ> ("z", pcl::ComparisonOps::GT, 0.0)));
pcl::FieldComparison<pcl::PointXYZ> ("z", pcl::ComparisonOps::LT, 1.0)));


생각해보면, 어딘가 ‘parser’가 하나 있어야할겁니다.

이 parser를 짠다면 아무래도 switch 문을 써서 만들었을 것 같기도 하지만… 몇천~몇만개의 포인트마다 switch를 쓸 사람은 없을 것 같습니다.

…라고 생각했지만. 제엔장!! 진짜 switch 썼네요!

말도 안됩니다 . 몇천~몇만개의 포인트를, 각각 하나마다 switch문을 그것도 2개나 돌리고 있군요.

요약하자면 - 이 함수들은 이해하기 쉽게 만들기 위해서 속도를 버리고 있습니다.

이렇게 짜인건 어쩔 수 없죠.

대신 우리가 쓸 때 바꿔주면 됩니다 ;)


빠르고 읽기 쉬운 코드를 짜봅시다!

수많은 pcl 함수들이 switch문을 쓰면서 성능이 박살났습니다.

우리가 직접 pcl 함수들을 짜봅시다. pcl::ConditionBase는 어떨까요?

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
template <typename PointT>
class GenericCondition : public pcl::ConditionBase<PointT>
{
public:
  typedef std::shared_ptr<GenericCondition<PointT>> Ptr;
  typedef std::shared_ptr<const GenericCondition<PointT>> ConstPtr;
  typedef std::function<bool(const PointT&)> FunctorT;

  GenericCondition(FunctorT evaluator): 
    pcl::ConditionBase<PointT>(),_evaluator( evaluator ) 
  {}

  virtual bool evaluate (const PointT &point) const {
    // just delegate ALL the work to the injected std::function
    return _evaluator(point);
  }
private:
  FunctorT _evaluator;
};



딱 이 코드만 있어도 됩니다.

저는 단순히 pcl::ConditionBase속 std::function<bool>(const PointT&)를 랩핑해준겁니다. 다른건 없어요.

이렇게 바뀐 코드를 적용해봅시다.


예전 코드는 아래와 같습니다. 

1
2
3
4
5
auto range_cond  = std::make_shared<ConditionAnd<PointXYZ> ();
range_cond->addComparison ( 
    std::make_shared<FieldComparison<PointXYZ>("z", ComparisonOps::GT, 0.0));
range_cond->addComparison (
    std::make_shared<FieldComparison<PointXYZ>("z", ComparisonOps::LT, 1.0)));


그리고 여기 새 코드 입니다.

1
2
3
4
auto range_cond = std::make_shared<GenericCondition<PointXYZ>>(
  [](const PointXYZ& point){ 
      return point.z > 0.0 && point.z < 1.0; 
  });

나머지 코드는 바뀐게 없습니다!

아름답습니다…


벤치마크 결과

여기 제가 짜둔 코드가 있습니다. 이 코드를 그대로 가져가셔서 테스트 해보셔도 됩니다.

여기 아래 샘플 포인트 클라우드에 4개의 필터를 돌린 벤치마크가 있습니다.

1
2
3
4
5
6
-------------------------------------------------------------
Benchmark                   Time             CPU   Iterations
-------------------------------------------------------------
PCL_Filter            1403083 ns      1403084 ns          498
Naive_Filter           107418 ns       107417 ns         6586
PCL_Filter_Generic     668223 ns       668191 ns         1069

물론 결과 값은 필터 조건이 몇개인지에 따라, 포인트 클라우드의 크기에 따라 달라질 수 있습니다.


배워갈 점

  • “naive” 필터도 여러 케이스에서 사용해도 됩니다. 엄청 빠릅니다.
  • pcl::ConditionalRemoval는 계속 써도 됩니다. 대신 기존의 pcl::Conditions는 너무 느리니까 가능하면 쓰지 마세요. 대신 GenericCondition을 쓰면 더 읽기 쉽고 빠르게 작동할 수 있습니다.
Related Posts