** **
GCNv2: predicción de correspondencia eficiente para SLAM en tiempo real
**
La
traducción original al chino del documento es
el código fuente abierto
PS: el código se clona rápidamente desde la nube de códigos
git clone https://gitee.com/hzm8341/GCNv2_SLAM.git
Antes de compilar, necesita el siguiente entorno
pytorch
No compile el código fuente, es muy lento y hay varios problemas. No me pregunte cómo saberlo.
Descarga directa del disco de la red Baidu, fuente
https://pan.baidu.com/s/1zCfAPXhQh59-0rrZLWbUpg
código de extracción : 1xe7
sudo pip3 install torch-1.1.0-cp36-cp36m-linux_aarch64.whl
Pangolin
OpenCV
Si su versión OPENCV es 4 por defecto, necesita instalar 3 usted mismo, consulte
Eigen3
Error de compilación
/ usr / bin / ld: no se puede encontrar -lCUDA_cublas_device_LIBRARY-NOTFOUND
Solución: Actualizar la versión de CMAKE
Fuente del método
Necesita compilar manualmente CMAKE, obtener la última versión, ejecución de referencia del método
La
prueba requiere referencia de datos TUM cuando se ejecuta en la
carpeta GCNV2
run.sh La ruta del conjunto de datos debe cambiarse y elegir un modo operativo
# 640x480 resolution example
FULL_RESOLUTION=1 GCN_PATH=gcn2_640x480.pt ./rgbd_gcn ../Vocabulary/GCNvoc.bin TUM3.yaml ~/Workspace/Datasets/TUM/freiburg3/rgbd_dataset_freiburg3_long_office_household ~/Workspace/Datasets/TUM/freiburg3/rgbd_dataset_freiburg3_long_office_household/association.txt
La primera dirección es la dirección de datos. La
segunda dirección es la dirección de association.txt.
Al principio, pensé que la segunda dirección era la dirección del archivo TXT de salida. En realidad era el association.txt en el conjunto de datos. Esto se
generó utilizando la herramienta de evaluación. Un gráfico de error absoluto
