ubuntu16.04中运行orb-slam2_with_semantic_labelling-master

ubuntu16.04中运行orb-slam2_with_semantic_labelling-master

运行环境:

GTX 1080t 8GB
Ubuntu16.04
vtk7.1.1
pcl1.8
opencv3.4.1
cmake3.18
cuda8.0
cudnn6.0.21
**
orb-slam2_with_semantic_labelling-master是在orb_slam2基础上进行的,所以先安装好orb_slam2的运行环境

参考博客:https://blog.csdn.net/qq_36318986/article/details/100733741
源码: https://github.com/qixuxiang/orb-slam2_with_semantic_labelling

1.pcl1.8+vtk7.1.1

我的电脑安装了ros,有自带的pcl1.7,但这个会运行报错,(因为这是我在运行成功之后突然想记录一下,所以一些过程没有截图)
系统是可以共存1.7和1.8的,我就直接安装pcl1.8 。
pcl1.8链接
https://github.com/PointCloudLibrary/pcl/releases
1.安装一些依赖项

sudo apt-get update
sudo apt-get install git build-essential linux-libc-dev
sudo apt-get install cmake cmake-gui 
sudo apt-get install libusb-1.0-0-dev libusb-dev libudev-dev
sudo apt-get install mpi-default-dev openmpi-bin openmpi-common  
sudo apt-get install libflann1.8 libflann-dev
sudo apt-get install libeigen3-dev
sudo apt-get install libboost-all-dev

sudo apt-get install libvtk5.10-qt4 libvtk5.10 libvtk5-dev//安装vtk7.1.1 这句不用执行

sudo apt-get install libqhull* libgtest-dev
sudo apt-get install freeglut3-dev pkg-config
sudo apt-get install libxmu-dev libxi-dev 
sudo apt-get install mono-complete
sudo apt-get install qt-sdk openjdk-8-jdk openjdk-8-jre

sudo apt-get install libopenni-dev 
sudo apt-get install libopenni2-dev

在usr/local下新建文件

sudo mkdir pcl1.8.1

解压下载的pcl1.8压缩包,新建build文件夹进行编译
https://github.com/PointCloudLibrary/pcl/releases

cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local/pcl1.8.1 -D CUDA_GENERATION=Kepler -D WITH_TBB=ON -D BUILD_NEW_PYTHON_SUPPORT=ON -D WITH_V4L=ON -D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON -D BUILD_EXAMPLES=ON -D WITH_QT=OFF -D WITH_OPENGL=ON -D BUILD_TIFF=ON ..

make -j8

sudo make install

在orb-slam2_with_semantic_labelling-master目录下的CMakelist.txt中设置pcl1.8路径

set(PCL_INCLUDE_DIRS /usr/local/pcl1.8.1/include/pcl-1.8)

之后可以进行测试是否安装成功,网上很多,这里就不细说了,测试结果如下
ubuntu16.04中运行orb-slam2_with_semantic_labelling-master_第1张图片

2.pcl与vtk之间有对应的版本 我安装的是pcl1.8.1+vtk7.1.1
vtk的官网

vtk下载完解压、安装、编译:在build目录下,

    cmake ..
    sudo make
    sudo make install

**

2.cmake1.18

cmake1.18链接:
https://github.com/Kitware/CMake/releases/
下载cmake1.18解压,文件下有四个文件
bin doc man share
把这4个文件夹放在usr/local/cmake下

sudo mkdir cmake

先复制要移动的文件夹,打开终端,输入:sudo nautilus;然后选定位置,进行粘贴就行

sudo nautilus

之后更新配置文件

sudo gedit ~/.bashrc
//末尾添加
export PATH="/usr/local/cmake/bin:$PATH"
//保存退出
source ~/.bashrc
//查看版本
cmake --version
显示
cmake version 3.18.0

CMake suite maintained and supported by Kitware (kitware.com/cmake).
安装成功

在这里插入图片描述

3.编译

首先分别编译thirdparty下的darknet、g2o、DBoW2

mkdir build && cd build
cmake ..
make -j8

**问题:**在编译darknet时报错,删除build文件,在建立新Build文件在编译报错,再次删除build,新建build,编译,成功
不知道问题在哪,总之问题解决,成功编译

再次编译整个项目
在orb-slam2_with_semantic_labelling-master下新建build文件,

cmake ..
make -j8

最后运行在orb-slam2_with_semantic_labelling-master下运行build.sh

./build.sh

ubuntu16.04中运行orb-slam2_with_semantic_labelling-master_第2张图片

4.运行

在darknet中找到yolov3.weights和yolov3.cfg替换bin文件下的yolov3.weights和yolov3.cfg,并在bin文件下创建img文件

mkdir img

在bin文件下运行

cd orb-slam2_with_semantic_labelling-master/bin
 
./rgbd_tum ../Vocabulary/ORBvoc.txt ../Examples/RGB-D/TUM2.yaml ../data/rgbd_dataset_freiburg2_rpy/ ../data/rgbd_dataset_freiburg2_rpy/associations.txt

运行截图如下:
ubuntu16.04中运行orb-slam2_with_semantic_labelling-master_第3张图片

5.存在问题

1.出现如下问题,我的是因为显存太小,换了个8GB的显存可以成功运行
在这里插入图片描述

2.运行之后,还有个问题
[pcl::VoxelGrid::applyFilter] Leaf size is too small for the input dataset. Integer indices would overflow.
好像是因为点云数量过大,待解决…

你可能感兴趣的:(自动驾驶,人工智能,机器学习)