Ubuntu16.04下DynaSLAM配置过程（基于tensorflow-gpu）

电脑硬件配置及环境版本

Ubuntu：16.04 LTS
CPU：E5-2620 v3
GPU：GeForce GTX TITAN X
Nvidia-Driver Version：384.130
Cuda：9.0
Cudnn：7.4.1
tensorflow：1.12.3
keras：2.0.9
OpenCV：2.4.11

前言

1.为了不与系统中的环境相互干扰，建议安装Anaconda3并创建虚拟环境，可以方便管理。
2.Dynaslam源码选择其Github库branch中的：DynaSLAM-bbescos-feature-carla

正文

配置Mask RCNN

1.安装与显卡驱动对应版本的Cuda和Cudnn，可以参考链接：在Ubuntu 18.04中配置GPU环境：安装CUDA 9.0等

2.安装tensorflow与keras

// 安装tensorflow1.12.3
pip install tensorflow-gpu==1.12.3 -i https://pypi.tuna.tsinghua.edu.cn/simple/

// 对应keras2.0.9
pip install keras==2.0.9 -i https://pypi.tuna.tsinghua.edu.cn/simple/

3.COCOAPI安装过程
github链接：COCOAPI
下载之后进入PythonAPI目录中

cd cocoapi-master/PythonAPI

执行命令：

make

运行结果：

之后运行：

sudo make install

运行结果：

此时若出现ImportError: No module named Cython.Build 的错误，可以直接

pip install Cython

将缺少的包和依赖安装好之后，会出现pycocotools文件夹。前期有教程指出需要将其复制到Dynaslam库中src/python文件夹中，但在我的机器上不需要。若复制还会报“No module named pycocotools”错误，可能是因为两个pycocotools重名导致程序无法准确定位。

4.将mask_rcnn_coco.h5文件放在DynaSLAM-bbescos-feature-carla/src/python文件夹中

下载链接：mask_rcnn_coco.h5
提取码：dyna

5.运行Check.py文件
切换至DynaSLAM-bbescos-feature-carla/src/python目录中
修改其中的Check.py文件，将

ROOT_DIR = "src/python"

更换为：

ROOT_DIR = "./"

并执行：

python Check.py

此时依然可能会出现缺失某些包，如前所述，使用pip命令安装即可
最终运行结果为：

至此完成Mask RCNN配置。

安装pangolin

1.下载pangolin源码包
Github：https://github.com/stevenlovegrove/Pangolin.git

2.安装依赖项

sudo apt-get install libglew-dev
sudo apt-get install cmake
sudo apt-get install libboost-dev libboost-thread-dev libboost-filesystem-dev

3.编译安装pangolin

cd Pangolin
mkdir build
cd build
cmake -DCPP11_NO_BOOST=1 ..
make -j4

安装Eigen

sudo apt-get install libeigen3-dev

安装boost库

sudo apt-get install libboost-all-dev

安装OpenCV

1.建议在OpenCV官网下载opencv2.4.11的source源码

2.安装OpenCV依赖的软件包，执行：

sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

3.解压后，对OpenCV中的OpenCVDetectCXXCompiler.cmake文件进行替换
下载链接：OpenCVDetectCXXCompiler.cmake
提取码：dyna

4.运行

cd opencv-2.4.11/
mkdir build
cd build/

此时需要cmake编译源码。使用如下命令（为了不出现Cuda文件夹中的报错，忘记截图了）：

cmake -D CMAKE_BUILD_TYPE=bulid -D CMAKE_INSTALL_PREFIX=/usr/local -D CUDA_GENERATION=Kepler ..

运行结果：

之后在build目录下运行：

//选择与自己CPU核心数相匹配的数字
make -j4

5.最后运行

sudo make install

至此OpenCV库安装完毕。

接下来，将Dynaslam库及其Thirdparty中的g2o和DBoW2的CMakeLists.txt中出现的-match native去掉。注意是3个文件，不要漏掉。

使用gedit将Dynaslam库src文件夹中viewer.cc打开，修改其出现imshow部分的代码：
修改前：

cv::imshow("DynaSLAM: Current Frame",im);

cv::imshow("DynaSLAM: Dynamic Frame", im_dyn);

修改后：

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

if(!im_dyn.empty())
{
     
	cv::imshow("DynaSLAM: Dynamic Frame", im_dyn);
}       

最后进行Dynaslam的编译工作，运行：

cd DynaSLAM-bbescos-feature-carla
bash build.sh

在DynaSLAM-bbescos-feature-carla中创建文件夹并命名为data，并在data文件夹中再创建两个文件夹分别命名为：mask和output

将associate过的数据集放在data文件夹中

最后可以进行代码测试，执行：

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt ./Examples/RGB-D/TUM3.yaml ./data/rgbd_dataset_freiburg3_walking_rpy/ ./data/rgbd_dataset_freiburg3_walking_rpy/associations.txt ./data/mask ./data/output

运行效果

可以看到，数据集中的动态物体（人）已经被Mask了，在进行特征点提取时会从Mask之外的地方提取。

如有问题，欢迎与我交流。

本文参考链接：
[开源项目配置排坑]DynaSLAM
ubunto18.04编译Dynaslam的痛苦历程-----cpu的版本
ubunto18.04编译安装Dynaslam基于tensorflow-gpu版本
Ubuntu18.04配置开源项目DynaSLAM