DynaSLAM环境配置(基于ORBSLAM2 纯CPU版)

前言:
    最近要开题了, 自己计划做的是ORBSLAM2结合语义信息, 如果顺利的话再买摄像头采集自己的数据. 因为是自己选的方向, 一直是一个人十分盲目的学, 越学越迷茫, 感觉还是啥都不会. 这篇文章仅记录一下自己的配置过程, 鼓励自己不要害怕,很多困难都是纸老虎!

• 由于之前没有学习过神经网络相关内容, 所以配置Mask-RCNN时十分困惑,每个教程写的也不太一样,走了很多弯路.
• 其次因为学校发的电脑是AMD, 没独显, 所以此文记录的是纯CPU版本配置.
• TODO : 神经网络相关知识, DynaSLAM中的语义信息如何用到SLAM流程中.

  ubunto18.04编译Dynaslam的痛苦历程-----cpu的版本
  Dynaslam编译运行 ubuntu18 + cpu

git clone  https://github.com/BertaBescos/DynaSLAM.git

  之前配过ORB-SLAM2, 这些库都有了, 主要是Pangolin, OpenCV, EIgen, g2o和DBoW2这些.

sudo apt-get install libboost-all-dev

工具 :
  python : 我的pyhton版本为 2.7.17.
  pip : 即 python Install Packages, 是一个基于命令行的包管理系统,用于安装管理Python包.
      这里要对应python2, 我的版本为 pip 20.3.4.
依赖 :
  tensorflow : 基于python的深度学习框架. 我的版本为1.12.3, 先从从清华镜像下的纯cpu版, 再使用pip安装.

sudo pip install tensorflow-1.12.3-cp27-cp27mu-manylinux1_x86_64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/

  keras: tensorflow的API, 用python编写, 用于深度学习的模型设计,调试与评估等.我安装的版本为 2.0.9, 从清华镜像下载.

sudo pip install keras==2.0.9 -i https://pypi.tuna.tsinghua.edu.cn/simple

  mask_rcnn_coco.h5: mask-rcnn预训练的权重文件 下载链接 , 此文件需放置在DynaSLAM/src/python路径下.

  coco数据集 : 用于生成pycocotools ??

git clone https://github.com/waleedka/coco.git

编译
  进入/coco/ PythonAPI路径, 执行以下命令, 再将编译好的pycocotools放到DynaSLAM/src/python路径下.

     sudo make install

修改Check.py文件第17行为:

ROOT_DIR = "./"

执行 :

python Check.py

这里会提示缺少依赖,按提示安装包即可.
遇到以下问题:

1. 提示缺少_mask

import pycocotools._mask  as _mask
no model named_mask

    根据博客修改了当前路径下pycocotools文件的名称,不再报错.

2. 好像是语法不对 :

    查了很久,根据博客猜测是protobuf版本的问题,降低版本后不再报错!!

    以上问题, 这篇博客说可以直接改出错部分的代码, 还没有试验.

根据博客修改:

1. 在 Viewer.cc 中的 imshow函数前添加非空判断.

if(!im.empty()){
	cv::imshow("DynaSLAM: Current frame",im);
	}

2. DynaSLAM、/Thirdpary/DBoW2和/Thirdparty/g2o三个文件夹下的CMakeLists.txt中的-march=native删除.

最后进入DynaSLAM目录下, 执行build.sh
这里因为我直接执行ubuntu会卡死,所以把build.sh文件中的make全改为了make -j2

chmod +x build.sh
./build.sh

和ORB-SLAM2完全一样.