DynaSLAM-11 DynaSLAM中RGB-D运行流程（Ⅰ）：调用Mask 初始化R-CNN网络

已于 2024-02-20 12:36:46 修改
阅读量1.3k 收藏 2
点赞数 2
CC 4.0 BY-SA版权
分类专栏： DynaSLAM 代码解析 文章标签： python 计算机视觉 c++ 人工智能
于 2023-02-04 15:15:17 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_41694024/article/details/128879170
本文介绍了DynaSLAM在RGB-D数据上的运行流程，重点在于如何调用和初始化Mask R-CNN网络。首先执行rgbd_tum例程，然后加载和测试网络，接着在SegmentDynObject类中实例化网络并进行语义分割。最后，初始化SLAM系统。详细步骤包括设置环境变量、加载网络模块、创建网络实例并应用GetSegmentation函数进行动态掩码生成。

目录

1.执行例程rgbd_tum

2.SegmentDynObject::SegmentDynObject方法

3. SegmentDynObject::GetSegmentation

4.初始化SLAM系统

1.执行例程rgbd_tum

/home/lhwnb/Desktop/slam/DynaSLAM/Examples/RGB-D/rgbd_tum 
/home/lhwnb/Desktop/slam/DynaSLAM/Vocabulary/ORBvoc.txt 
/home/lhwnb/Desktop/slam/DynaSLAM/Examples/RGB-D/TUM1.yaml 
/home/lhwnb/Desktop/slam/DynaSLAM/dataset/rgbd_dataset_freiburg1_xyz/ 
/home/lhwnb/Desktop/slam/DynaSLAM/dataset/assciation.txt 
/home/lhwnb/Desktop/slam/DynaSLAM/dataset/mask/ 
/home/lhwnb/Desktop/slam/DynaSLAM/dataset/output/

        执行例程的时候输入到CLion中的程序实参是这样的：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
DynaSLAM-12 DynaSLAM中RGB-D运行流程（Ⅱ）：图像处理与低成本追踪函数LightTrack
qq_41694024的博客
02-06 814
图像处理与低成本追踪函数LightTrack
DynaSLAM-14 DynaSLAM中RGB-D运行流程（Ⅳ）：多视图几何部分Geometry.cc解析（深度区域生长算法、合并动态蒙版）
qq_41694024的博客
02-08 1139
DynaSLAM中多视图几何部分Geometry.cc解析（深度区域生长算法、合并动态蒙版）
Mask R-CNN实现RGB-D数据集训练
xiaomifanhxx的博客
04-17 3483
在使用Mask R-CNN做了RGB的数据的实例分割，感觉效果很棒，提出疑问，如果使用RGB-D数据集多了一个维度的信息，那么分割效果是不是更好。于是就开始了我尝试使用RGB-D数据集训练Mask R-CNN的想法。 网上的开源的Mask R-CNN代码是以RGB图像作为默认输入图像的，如果需要处理4通道图像，需要对源码进行一定的修改，参考github以为大神的解决方案，Gith...
DynaSLAM
lucas1997的博客
07-10 1960
摘要 假设环境刚体性在SLAM算法中是典型的。这种强假设限制了大多数SLAM在真实环境中的使用，这是一些相关应用的目标，如服务机器人或自动驾驶。Bescos等人展示了DynaSLAM，一种视觉SLAM系统，建立在ORB-SLAM2上，增加了动态物体检测和背景修补。DynaSLAM在动态场景中是鲁棒的。作者能够通过多视图几何，深度学习或者两者同时来检测动态物体。得到的静态场景地图允许修补被动态物体遮挡的帧背景。DynaSLAM 超过了标准SLAM的表现在高动态环境中。同时，它也估计了环境静态部分的地图，对于
Dynaslam运行命令说明
qq_49013084的博客
10-18 732
dynaslam运行命令解释
DynaSLAM-7 DynaSLAM中双目运行流程（Ⅰ）：加载Mask R-CNN网络部分MaskNet.cc
qq_41694024的博客
02-02 859
DynaSLAM中初始化Mask R-CNN部分代码解析
DynaSLAM代码详解(3) — MaskNet.cc加载Mask R-CNN网络部分
几度春风里的博客
07-10 931
(2) 然后设置环境变量，设置环境变量PYTHONPATH，通过/src/python文件夹设置为this->py_path ,然后将环境变量的值赋值给x。在Examples/RGB-D/rgbd_tum.cc文件开始运行Mask R-CNN网络，首先进入MaskNet->GetSegmentation函数。(4) 然后进行一些列的模型的导入和检查，最后调用GetSegmentation函数对该张图片进行处理。(1) SegmentDynObject()函数的主要功能是加载网络的配置文件和初始化网络。
yolov8替换DynaSLAM中的Mask R-CNN后如何进行视觉识别的
最新发布
12-07
**模型替换**：将DynaSLAM中调用Mask R-CNN的部分替换为调用YOLOv8模型。这可能需要修改DynaSLAM的源代码，特别是动态物体检测模块。 b. **输入输出适配**：确保YOLOv8的输入格式与DynaSLAM提供的图像数据一致，...
Maskrcnn训练RGB-D四通道图片
Luke8844的博客
09-09 3462
网上的开源的Mask R-CNN代码是以RGB图像作为默认输入图像的，如果需要处理4通道图像，需要对源码进行一定的修改，参考github以为大神的解决方案，Github地址。 1、在子类中Config，设置IMAGE_CHANNEL_COUNT为4 2、在Config中，将MEAN_PIXEL从3个值更改为4个值，需要对数据集的深度图求解均值。（平均像素值是根据你的训练集数据求出） 3、将utils.py中的Dataset类中的load_image方法进行修改。 将下图的红色区域直接删掉
Dyna-SLAM代码解析：MaskNet.cc
weixin_63293091的博客
08-10 440
Dyna-SLAM代码解析：MaskNet.cc
dynaslam2py
03-06
ORB_SLAM2-Python绑定 用于ORB_SLAM2的python包装器，可以在上找到。 它旨在与ORB_SLAM2的基本版本一起使用，并进行了一些最小的API更改，以访问系统输出。 尽管它不依赖于任何python3功能，但它已在ubuntu 14.04和16.04上进行了测试，并针对Python3构建。 安装 先决条件 ORBSLAM2源代码 ORBSLAM2编译依赖性（Pangolin，Eigen，OpenCV） Boost，特别是它的python组件（python-35） Numpy开发标头（以python表示图像，自动转换为cv :: Mat） 设置 修改ORBSLAM2 首先，我们需要ORBSLAM提供的其他API方法来提取完成的轨迹。 将补丁文件“ orbslam-changes.diff”应用于ORBSLAM2源，这将创建一个附加方法，并在CMakeLists.
DynaSLAM/src/python/
11-07
将源码中一些关于tab与空格混用以及缩进不匹配问题更改
Dyna-SLAM代码解读：Geometry.cc（四）
weixin_63293091的博客
08-07 384
Dyna-SLAM代码解读：Geometry.cc（四）
Dyna-SLAM代码解读：Conversion.cc
weixin_63293091的博客
10-10 210
Dyna-SLAM代码解读：Conversion.cc
DynaSLAM-2 DynaSLAM中Mask R-CNN部分源码解析（Ⅰ）
qq_41694024的博客
01-30 1133
环境配置及项目简单介绍
DynaSLAM代码详解(2) — Mask RCNN物体检测框架
几度春风里的博客
07-10 1685
Mask R-CNN是何恺明大神于2017年发表的文章，该论文也获得了ICCV 2017的最佳论文奖（Marr Prize）。Mask R-CNN是一个非常灵活的框架，可以增加不同的分支完成不同的任务，可以完成目标分类、目标检测、语义分割、实例分割、人体姿势识别等多种任务。Mask R-CNN是在Faster R-CNN的基础上加了一个用于预测目标分割Mask的分支（即可预测目标的Bounding Boxes信息、类别信息，也可以预测分割Mask信息）。
DynaSLAM-3 DynaSLAM中Mask R-CNN部分源码解析（Ⅱ）
qq_41694024的博客
01-30 649
FPN的原理及候选框的生成
DynaSLAM-4 DynaSLAM中Mask R-CNN部分源码解析（Ⅲ）
qq_41694024的博客
01-31 645
RPN与DetectionTargetType层解析
DynaSLAM-5 DynaSLAM中Mask R-CNN部分源码解析（Ⅳ）
qq_41694024的博客
02-01 475
ROIAlign层与Mask分支
评论
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

打赏作者

APS2023

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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