PoseNet运行详细过程
PoseNet是剑桥大学的Alex Kendall提出的利用深度学习进行视觉定位，其目的是通过输入一张彩色图像判断相机的位置以及姿态，定位精度比GPS高，且能够知道相机的姿态，而且只需要5ms就可定位成功。原文章可以参照：PoseNet: A Convolutional Network for Real-Time 6-DOF Camera Relocalization。
这篇博客是将作者的网络与数据在自己机器上运行的一个记录，过程有些小坎坷，不过都解决了。
（1）代码与数据下载
作者开源了代码与数据，可以免费下载：
代码下载：caffe-posenet-master
数据下载：data
还有作者训练好的网络参数：weights
数据有点大，我只下载了kingscollege那一组数据，总共有5.6G。因为服务器在国外，普通下载非常慢，我是购买VPN下载的，中间有出现下载一半断掉的情况，比较考验耐心。建议用一些下载工具，比如迅雷等进行离线下载会比较稳点。
（2）运行步骤
1.编译caffe-posenet-master
这一步很重要，因为之前我机器上已经配置过caffe，就想偷懒直接将./caffe-posenet-master/posenet拷贝到原来的caffe目录下，运行的时候会出现错误，错误如图所示：
图1 运行错误
这个错误纠结很久，明明数据转换正确，网络参数也都是按默认的，但就是在网络初始化时，将样本标签进行切片就出现错误。后来在GitHub上看到了原作者Alex Kendall的回答：
图2 Alex Kendall关于错误的回答
显然，必须重新编译caffe-posenet-master，因为caffe-posenet-master的标签数据与标准caffe的标签数据不一样，使用原来的caffe运行网络就会出现标签无法切片的问题。
编译的方法跟编译caffe的方法是一样的，首先将Makefile.config.example的内容复制到Makefile.config：
cp Makefile.config.example Makefile.config修改Makefile.config，注意将WITH_PYTHON_LAYER := 1前的注释去掉。
然后编译：
make all -j8 #-j根据自己电脑配置决定如果出现一些错误，可以参考我之前的一篇博客（Ubuntu16.04+CUDA8.0+caffe配置 ）第六部分。
最后编译pycaffe:
make pycaffe -j82创建lmdb文件
a.修改caffe-posenet-master/posenet/scripts下的create_posenet_lmdb_dataset.py文件：
将第1行中的“caffe_root”的值改成自己caffe-posenet-masterd的路径；
将第11行中的“directory”的值改成自己安放图片数据的路径；
将第12行中的“dataset”的值改成“dataset_test.txt”（创建测试数据集）或“dataset_train.txt”（创建训练数据集）。
b.运行以下代码创建lmdb文件：
python caffe-posenet-master/posenet/scripts/create_posenet_lmdb_dataset.py3创建均值文件
作者没有给创建均值文件的脚本，可以自己创建，在某目录下新建一个名为“create_posenet_mean.sh”的文件，并将以下代码粘贴到文件中：
#!/usr/bin/env sh
set -e
PATH=./data
DATA=./data
DBTYPE=lmdb
echo "Computing image mean..."
./build/tools/compute_image_mean -backend=$DBTYPE \
$PATH/posenet_test_$DBTYPE $PATH/mean.binaryproto
echo "Done."然后运行这个脚本文件创建均值文件：
./create_posenet_mean.sh #注意运行脚本文件的路径要对4修改网络配置
主要是修改数据路径和均值文件路径，以我的为例，修改“train_kingscollege.prototxt”(作者训练好的，记得下载)中name为data，phase为TEST的层的source和mean_file的路径，如图3所示：
图3 网络配置
还要修改caffe-posenet-master/posenet/scripts/est_posenet.py中的caffe-posenet-master的路径：
图4 路径修改
5运行
运行命令：
python posenet/scripts/test_posenet.py --model ./train_kingscollege.prototxt --weights ./weights_kingscollege.caffemodel --iter 8 #这是我的路径，注意修改路径注：“weights_kingscollege.caffemodel”文件也是作者训练好的，记得下载。
运行结果图：
图5 运行结果
从结果可以看出，定位位置精度为0.8m，角度精度为3.6°。