ubuntu16.04中运行orb-slam2_with_semantic_labelling-master

PCL点云处理之自定义实现体素下采样,避免 Leaf size is too small for the input dataset (一百三十九) pcl::VoxelGrid::applyFilter] Leaf size is too small for the input dataset 报错在使用PCL自带的点云体素下采样算法 来抽稀点云时,往往会由于点云面积过大发生以上错误,此时我们可以建立自己的体素,自定义实现体素滤波,不依赖PCL库。下面是我的解决方案,速度和效果都很优秀。可以直接复制粘贴使用。主要步骤有: 1、计算点云最值范围、 2、建立格网标记容器、 3、遍历点云进行抽稀、 阅读详情

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.youkuaiyun.com/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
在这里插入图片描述

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

在这里插入图片描述

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:
在这里插入图片描述

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…

[pcl::VoxelGrid::applyFilter] Leaf size is too small for the input dataset 报错解决,亲测可行 Python-pcl 点云下采样时报错及解决 [pcl::VoxelGrid::applyFilter] Leaf size is too small for the input dataset. Integer indices would overflow.[pcl::VoxelGrid::applyFilter] Leaf size is too small for the input dataset. Integer indices would overflow 阅读详情

相关推荐

voxel_grid_large.zip

在使用PCL的voxelgrid filter时,若点云过大,而设置的voxel比较小,可能会导致voxel的数量超过int32的上限,从而会出现警告:“Leaf size is too small for the input dataset”。本代码可以解决这个问题。

Leaf size is too small for the input dataset. PCL Voxel Grid 问题

使用PCL中的Voxel Grid进行点云降采样等操作时,可能会出现如下问题: [pcl::VoxelGrid::applyFilter] Leaf size is too small for the input dataset. Integer indices would overflow 这往往是因为输入点云的尺寸过大,而leaf size太小,导致voxel indices数目不足以记录所...

Morty 的挖坑记录 1万+

VBA常见错误 - “错误3706,未找到提供程序,该程序可能未正确安装”解决方法

1、问题描述 在利用VBA编程时,引用其它表格数据,出现以下问题: (1)运行“错误3706,未找到提供程序,该程序可能未正确安装”。 (2)引用数据失败 2、解决方法 下载“Access 2010 数据库引擎”,并安装即可。 https://www.microsoft.com/en-us/download/details.aspx?id=54920 AccessDatabaseEngine 2010 官方安装包,官网下载不了的可以来这里下载。(1)运行“错误3706,未找到提..

Nemuel的博客 3万+

完整跑出orb_slam2 with labelling记录

orb_slam2 with labelling遇到问题总结 1.前面基本按照作者大佬的git进行配置: ubuntu18.04+CUDA-8.0+opencv2.4.8+pcl-1.8+Eigen3.2+g+±5.5 在配置之前,需要先将gcc-7.5降到gcc-5.5,这点最开始就用软连接的方式弄好,不然后面会很麻烦; CUDA-8.0必须要gcc-6以前才能编译成功,没办法;; 建议用ope...

TM431700的博客 2328

文本纠错项目代码调试

文本纠错项目调试

m0_67084346的博客 868

金蝶云苍穹-插件开发(一)加载数据

此系列博客是进行金蝶云苍穹开发时的插件开发的教程,一是在明年要是还要参加软件杯金蝶A6赛题的话,可以看此系列教程的博客来进行复习,同时如果要是我实验室的学弟学妹要参加的话,我这个系列的博客可以给他们提供学习参考,因为插件开发学习的路上很艰难,我学习的时候,能参照的讲解少,要花费大量工夫去猜测去调试才能学会那些语法。在插件开发上,希望我这个系列的博客能帮助到别人。这个系列的博客只专门讲解插件开发,基本的那些金蝶云苍穹的知识点在这里不多作讲解。

二狗mao的博客 3587

orb-slam2_with_semantic_label配置实现

吐血整了两周,终于跑通了,开心~记录一下配置过程以及一些坑。 环境要求: Ubuntu 14.04/Ubuntu 16.04/Ubuntu 18.04 ORB-SLAM2 CUDA GCC >= 5.0 cmake OpenCV PCL1.7 or PCL1.8, may not work with PCL1.9 libTorch 1.4 PS:(Ubuntu18.04 CUDA10.1 opencv3.4 Eigen3

qq_38336419的博客 2809

【WebApi + Sqlserver】 使用C#编写WebApi并打开sqlserver数据库进行访问,代码适用于简单练习,真实开发需自行完善

【WebApi + Sqlserver】 使用C#编写WebApi并打开sqlserver数据库进行访问,代码适用于简单练习,真实开发需自行完善

2302_78387246的博客 3592

Leaf size is too small for the input dataset 解决办法

问题描述 在使用PCL的voxelgrid filter时,若点云过大,而设置的voxel比较小,可能会导致voxel的数量超过int32的上限,从而会出现警告:“Leaf size is too small for the input dataset”。 通用解决办法 此文提出了几个解决办法: 对精度要求没那么高的话,可以将leaf size大小设置大一些。 将要降采样的点云先分割成几块、在做降采样。 使用 OctreeVoxelGridFilter,参考PCL论坛。 My solution 但上述解决办

小明的专栏 1万+

【AUTOSAR-RTE】-1-聊一聊RTE(Run-Time Environment)

RTE(Run-Time Environment)是AUTOSAR ECU架构的核心。

「汽车电子助手」的博客 6502

LAMMPS-使用MATLAB计算径向分布函数

首先需要使用LAMMPS进行分子动力学模拟,并获取到所需的数据文件,LAMMPS是一款开源的分子动力学模拟软件,可以模拟原子、分子和离子的运动行为,对于本文的目标假设你已经完成了LAMMPS的安装和模拟过程,获得了数据文件。)是一种重要的统计工具,用于描述原子或分子之间的空间分布情况,通过计算RDF可以获得物质的结构信息、相互作用距离以及相位转变等重要参数,本文将介绍如何使用MATLAB计算LAMMPS生成的数据文件的径向分布函数。变量替换为你的实际数据文件的名称。

weixin_50547796的博客 515

【SLAM】——编译项目orb-slam2_with_semantic_labelling

slam 这里只是对项目进行编译,不涉及代码与原理。 本机硬件环境: RTX3080 ubuntu18.04 cuda11 cudnn8.xx 1. darknet编译 因为我是用的3080,Thirdparty/darknet下的darknet暂时还不支持,而且3080的gpu算力是86,所以需要做如下修改: # LIST(APPEND CUDA_NVCC_FLAGS -gencode arch=compute_50,code=sm_50) #for maxwell # LIST(APPEN.

怡宝2号 1018

uniapp - 解决控制台提示“同步资源失败,未得到同步资源的授权,请停止运行后重新运行,并注意手机上的授权提示”,uniApp安卓/苹果App真机运行调试显示同步资源失败,无任何授权提示且无法连接

uni-app,报错,安卓Android,苹果ios,安卓app端,苹果App端,uniapp苹果安卓app,提示错误解决,HbuilderX,uniapp同步资源失败,未得到同步资源的授权,请停止运行后重新运行,并注意手机上的授权提示同步失败,安卓基座调试,没有反应,真机没有提示怎么办,如何解决这个问题,苹果ios手机,电脑模拟器运行,adb连接,连接失败,报错出错,uniapp真机运行的时候显示同步资源失败,未得到同步资源的授权,plugins里面没有tools,找不到tools,还是不行,重新打基座

🏆 前端领域优质创作者 1万+

PyTorch从零开始编写YOLOv3网络和侦测代码并加载官方权重

序言 本文只涉及代码的编写,不会对YOLOv3原理做太多讲解,如果对YOLOv3原理还不够了解的,请移步YOLOv3原理详解,因为之前官方给的代码比较复杂,所以自己重新整理了一下,在本文中,对YOLOv3的网络和侦测部分的代码重新书写,代码变得更为整洁,并加载官方给的权重文件。 环境介绍 Windows10 Pytorch 1.1.0 cuda10 Pycharm 一、根据cfg文件搭建网络模...

小菜的博客 2345

23、电生理与CSD分析:探索大脑活动的前沿技术

本文介绍了电生理与电流源密度(CSD)分析在探索大脑活动中的前沿应用。从电生理技术的发展现状,到局部场电位(LFPs)的起源与解释,重点阐述了CSD分析的原理、实验方法及其在绘制皮层兴奋流、解析突触输入和研究自发振荡中的广泛应用。文章还总结了该领域的优势与挑战,并展望了技术改进、多模态融合、数据分析创新及临床拓展的未来方向,展示了这些技术在揭示大脑功能机制中的关键作用。

Apple的专栏 120

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

【待看】YOLO(darknet 框架)权重文件的种类和结构:后缀“.weight”和“.backup”文件;预训练权重模型文件

文件结构 在darknet框架中YOLO权重文件用于存储神经网络中的各种权重,是二进制文件。 文件类型 该类型文件后缀有3类,一类是“.weight”,一类是“.backup”,还有一类是数字(文件名如“darknet53.conv.74”、“yolov3-tiny.conv.15”)。 第一类:后缀“.weight”和“.backup”文件 它们其实是一类文件,由于都是二进制文件,后缀只是用于起到一个区分的作用。 文件的生成参考detector.c文件t...

nyist_yangguang的博客 5877

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

YOLOv3配置以及训练自己的数据

YOLOv3配置以及训练自己的数据 YOLOv3官网:https://pjreddie.com/darknet/yolo/

zhixin_cn的博客 1409

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

orb-slam2_with_semantic_label配置

https://blog.csdn.net/qq_36318986/article/details/100733741 编译部分用链接会出错。直接./build.sh编译没有报错。

wangzi95的博客 565

Leaf size is too small for the input dataset. PCL Voxel Grid 问题

Leaf size is too small for the input dataset. PCL Voxel Grid 问题 见: https://blog.csdn.net/rocachilles/article/details/88227272 这往往是因为输入点云的尺寸过大,而leaf size太小,导致voxel indices数目不足以记录所有的voxels,导致溢出. ...

fb_help的专栏 2335

pcl Leaf size is too small for the input dataset 警告

pcl 体素下采样 Leaf size is too small for the input dataset 警告

m0_55630410的博客 599

【免费下载】 yolov3.weights - YOLOv3预训练权重文件

yolov3.weights - YOLOv3预训练权重文件 【下载地址】yolov3.weights-YOLOv3预训练权重文件 yolov3.weights - YOLOv3预训练权重文件欢迎来到YOLOv3预训练权重文件的存储库!本仓库提供的是YOLO(You Only Look Once)第三版本的预训练模型权重...

gitblog_09716的博客 1800

编译orb-slam2_with_semantic_label[纯记录一下]

目录 一 编译thirdparty的DBoW和g2o 二 编译thirdparty/darknet 三 运行orb-slam2 PS:编译darknet Github:qixuxiang/orb-slam2_with_semantic_label 结合orb-slam2和yoloV3的作品.要求以及本人是: Ubuntu 14.04/Ubuntu 16.04 ORBSLAM2 C...

zhengbq_seu的博客 3303

Ubuntu 18.04 libtorch 与 ORB-SLAM 的结合

cmakelists主要参考orb-slam2_with_semantic_label项目中的cmakelists。 ORB-SLAM的编译需要C++11标准,但是libtorch1.5之后的版本都需要C++14,所以,根据自己的cuda选择一个可以下载的libtorch版本。链接格式可以参考Ubuntu系统pangolin与libtorch所引发的连接错误里面的格式进行尝试,当然要下载非预编译版本,否则后面会和各种库发生冲突。 选择好libtorch版本后,还是编译不通过,一直提示为未解决的引用,所以

mujiangyao的博客 873

orb-slam2_with_semantic_label 项目常见问题解决方案

orb-slam2_with_semantic_label 项目常见问题解决方案 项目基础介绍 orb-slam2_with_semantic_label 是一个基于 ORB-SLAM2 的视觉 SLAM(Simultaneous Localization and Mapping)系统,通过结合 YOLOv3 的语义标签,实现了对环境的 3D 密集语义地图构建。该项目的主要编程语言是 C++,同时...

gitblog_00415的博客 701
下一篇: ubuntu16.04系统安装nvidia显卡驱动
小白很废
博客等级 码龄9年 35粉丝 41原创
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值