编译运行DS-SLAM

DS-SLAM: A Semantic Visual SLAM towards Dynamic Environments

代码链接：https://github.com/ivipsourcecode/DS-SLAM

结合segnet和orb-slam2的语义地图生成框架，结合语义信息和运动特征点检测，来滤除每一帧中的动态物体，从而提高位姿估计的准确性。同时建立了语义八叉树地图。在高运动的场景中，与ORB SLAM2相比提升明显。但也存在不足，如仅能识别20种物体，并只认为人是移动的类别；八叉树地图的作用不知道是干嘛的，闭环时要重新建图，并且类别概率关联不清楚。

本机环境：

CUDA：9.0

cudnn：7.0

GPU：NVIDIA 1060maxQ

CUP：i7-7700HQ

编译过程：

按照prerequisites说明，一步一步进行。

1. ORBSLAM：该框架基于orbslam进行改进的，不需要单独运行，需按照github提供的链接下载Thirdparty and Vocabulary(provided at https://pan.baidu.com/s/1-zWXlzOn-X0tjoEF9XI6qA, extract code: 8t7x)。如果用自己的，可能会出现后缀名不同的情况。这里直接编译会出现orb词典错误，需按照TemplatedVocabulary.h或者TemplatedVocabulary.h(高翔)替换第三方库中的DBoW2库中相对应的文件，因为DS-SLAM给的第三方库中的该文件下定义的类中没有对应的loadFromBinaryFile(strVocFile)成员函数。

2. ROS正常安装，创建工作空间，并把该代码放到src文件夹下

3. segnet：需安装编译segnethttps://github.com/TimoSaemann/caffe-segnet-cudnn5。在编译前需安装caffe，需在https://github.com/BVLC/caffe下载后，安装教程参照官网http://caffe.berkeleyvision.org/installation.html。此处位置不用放到ros工作空间下。编译过程包括

   mkdir build
   cd build
   cmake ..
   make all
   sudo make install
   sudo make runtest
   

   在cmake时若出现缺少Altas组件，可直接使用 cmake -DBLAS=open … 进行编译。在编译完caffe后，按照同样的步骤编译Caffe SegNet cuDNN5（放在/Examples/ROS/ORB_SLAM2_PointMap_SegNetM目录下）。若出现找不到caffe.h文件时，有可能放置路径不对或caffe安装有问题。

4. 安装OctoMap and RVIZ：直接按照链接https://github.com/OctoMap/octomap_mapping and https://github.com/OctoMap/octomap_rviz_plugins.下载到src目录下。注意添加#define COLOR_OCTOMAP_SERVER 在OctomapServer.h 文件下，目录：octomap_mapping/octomap_server/include/octomap_server（直接去掉注释即可）。并进行catkin_make编译。

5. 编译DS-SLAM：

   cd DS-SLAM
   chmod +x DS_SLAM_BUILD.sh
   ./DS_SLAM_BUILD.sh
   

6. 下载数据集