DynaSLAM语义分割部分C++详解

最新推荐文章于 2024-04-28 21:42:53 发布

原创

最新推荐文章于 2024-04-28 21:42:53 发布 · 642 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#c++ #python #开发语言

本文介绍如何在DynaSLAM中集成Mask R-CNN进行语义分割，包括配置Python环境、初始化Mask R-CNN及膨胀操作等关键步骤。

以TUM-RGB-D数据集为例

在rgbd_tum.cc中的main函数中，前面读取图片部分与ORB-SLAM2的代码基本一致。
根据传入的参数个数(argc的值)，其算法的流程也会改变。
传入5个参数：就与普通的ORB-SLAM2无差别
传入6个参数：就会将MASK R-CNN得到的MASK图像存储到第6个参数的文件夹中，然后创建一个名为output的文件夹存储最后结果，其中存储Mask和去除动态物体后的depth和rgb图像。
传入7个参数：会将MASK图像存储到第6 个参数的文件夹中，将去除动态物体后的结果存到output文件夹中。

 // Initialize Mask R-CNN
 //进行Mask R-CNN初始化
    DynaSLAM::SegmentDynObject *MaskNet;
    if (argc==6 || argc==7)
    {
        cout << "Loading Mask R-CNN. This could take a while..." << endl;
        //初始化一个语义分割的类
        MaskNet = new DynaSLAM::SegmentDynObject();
        cout << "Mask R-CNN loaded!" << endl;
    }

接着看MaskNet.cc中的SegmentDynObject::SegmentDynObject()函数，这个函数的主要功能就是配置Python环境，初始化Python编译器，并将python文件中的类初始化。以便下一步使用Mask R-CNN进行语义分割。

SegmentDynObject::SegmentDynObject(){
    std::cout << "Importing Mask R-CNN Setting

最低0.47元/天解锁文章