ubuntu16.04下dyna-slam编译运行

1. 显卡驱动安装
2. cuda安装
- cuda与cudnn换版本可参考
3. cudnn安装
4. ORB_SLAM2依赖
- 4.1 安装Pangolin
- 4.2 安装OpenCV-2.4.11
- 4.3 安装Eigen3.1.0
- 4.4 安装keras2.0.8
- 4.5 安装Tensorflow
- 4.6 安装MaskRCNN
- 4.7 安装pycocotools
5. 编译运行DynaSLAM
6. 参考文章

1. 显卡驱动安装

驱动下载链接

nouveau是16系统默认的第三方开源程序，不禁用后面会与NVIDIA显卡驱动安装发生冲突报错
在文档最后面添加以下内容用来禁用

sudo gedit /etc/modprobe.d/blacklist.conf

blacklist nouveau
options nouveau modeset=0

重启

sudo update-initramfs -u
reboot

提前下载好显卡驱动放在/home
准备两台设备
ctrl+alt+f1 进入命令行界面

sudo service lightdm stop
sudo apt-get remove nvidia-*
sudo chmod  a+x NVIDIA-Linux-x86_64-470.63.01.run
sudo ./NVIDIA-Linux-x86_64-470.63.01.run -no-x-check -no-nouveau-check

continue installation
yes
ok

sudo service lightdm start

ctrl+alt+f7回到登录界面

查看是否安装完成

nvidia-smi

2. cuda安装

cuda与cudnn换版本可参考

sudo chmod a+x cuda_8.0.61_375.26_linux.run
sudo sh cuda_8.0.61_375.26_linux.run

部分选择
accept
是否安装显卡驱动 : n
yes
yes
yes

sudo gedit ~/.bashrc

在文件中添加：

export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

查看cuda：

sudo apt install nvidia-cuda-toolkit
nvcc -V

3. cudnn安装

nvidia官网下载
cudnn6.0 for cuda8.0
cuDNN v6.0 Library for Linux

sudo tar -zxvf cudnn-8.0-linux-x64-v6.0.tgz

解压后会出现一个cuda文件夹

cd cuda
sudo cp include/cudnn.h /usr/local/cuda/include/
sudo cp lib64/libcudnn* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

查看cudnn版本：

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

4. ORB_SLAM2依赖

4.1 安装Pangolin

sudo apt-get install libglew-dev
sudo apt-get install cmake

git clone https://github.com/stevenlovegrove/Pangolin.git
cd Pangolin
mkdir build
cd build
cmake ..
make -j12
sudo make install

出现链接库不存在时

sudo rm  /usr/lib/x86_64-linux-gnu/libGL.so
sudo ln -s  /usr/lib/libGL.so.1  /usr/lib/x86_64-linux-gnu/libGL.so

4.2 安装OpenCV-2.4.11

sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
cd opencv-2.4.11
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -DWITH_CUDA=OFF ..
make -j12
sudo make install

4.3 安装Eigen3.1.0

cd eigen-3.1.0
mkdir build
cd build
cmake ..
sudo make install
sudo cp -r /usr/local/include/eigen3 /usr/include

4.4 安装keras2.0.8

wget https://bootstrap.pypa.io/pip/2.7/get-pip.py
sudo python2 get-pip.py
sudo apt update
sudo apt install --no-install-recommends python2.7-minimal python2.7
sudo apt install python-numpy python-scipy
sudo pip2 install keras==2.0.8

4.5 安装Tensorflow

下载Tensorflow-gpu文件:

https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc1-cp27-none-linux_x86_64.whl

pip2 install numpy==1.16.1
pip2 install Markdown==2.6.8sudo pip2 install tensorflow_gpu-1.4.0rc1-cp27-none-linux_x86_64.whl

测试tensorflow，输出hello则完成

python
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess.run(hello)

可能出现的错误:
1、ImportError: libcusolver.so.8.0: cannot open shared object
file: No such file or directory

sudo ldconfig /usr/local/cuda/lib64

2、import moudle error! no moudle named mock.

pip install mock==0.8.0

3、File “/usr/local/lib/python2.7/dist-packages/google/protobuf/descriptor.py”, line 113
class DescriptorBase(metaclass=DescriptorMetaclass):
SyntaxError: invalid syntax

sudo pip uninstall protobuf==3.18.0
sudo pip install protobuf==3.17.3

4.6 安装MaskRCNN

git clone https://github.com/matterport/Mask_RCNN.git
cd Mask_RCNN

因为已经安装好TensorFlow1.4和Keras2.0.8，需要将requirements.txt中的这两项去掉
依次安装:

pip2 install cpython
sudo apt-get install python-matplotlib
pip2 install futurepip install --upgrade pippip install pillow==4.3.0
pip install scikit-image==0.11.3
python -m pip install opencv-python==4.2.0.32pip install h5py
pip install imageio==2.6.1
pip2 install matplotlib==2.0.0
pip install imgaugpip2 install notebook
//ERROR:terminado 换成以下命令
//python -m pip install jupyter notebook -i https://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip2 install qtconsole
pip2 install ipywidgets
pip2 install Sphinxsudo pip2 install -r requirements.txt

4.7 安装pycocotools

git clone https://github.com/waleedka/coco.git
cd coco/PythonAPI
make
pip install pycocotools

5. 编译运行DynaSLAM

下载dynaslamwget https://github.com/BertaBescos/DynaSLAM/tree/bbescos/feature/carla

将coco/PythonAPI下的pycocotools文件夹和mask_rcnn_coco.h5放到Dynaslam的src/python目录下。

打开Check.py，将第17行的ROOT_DIR = “src/python”，改为ROOT_DIR = “./”，保存退出。

python Check.py

显示maskrcnn is correct

如果显示 ImportError: libcusolver.so.8.0: cannot open shared object file:
No such file or directory

sudo ldconfig /usr/local/cuda/lib64

DynaSLAM、/Thirdpary/DBoW2和/Thirdparty/g2o三个文件夹下的CMakeLists.txt 将-march=native删除

Viewer.cc中Run()函数中

cv::imshow("DynaSLAM: Current Frame",im);
cv::imshow("DynaSLAM: Dynamic Frame", im_dyn)

修改为：

if(!im.empty())
{cv::imshow("DynaSLAM: Current Frame",im);
}if(!im_dyn.empty())
{cv::imshow("DynaSLAM: Dynamic Frame", im_dyn);
}

cd DynaSLAM
sudo apt-get install cmake qt5-default qtcreator
bash  build.sh

如果显示libEGL.so no exist

cd /usr/lib/x86_64-linux-gnu/
sudo rm libEGL.so
sudo ln -s libEGL.so.1.1.0 libEGL.so
bash  build.sh

如果显示 boost 库问题升级 cmake 和安装 boost

安装升级参考链接

在DynaSLAM根目录中新建data文件夹，在data文件夹中再新建两个文件夹mask和output
数据集放在data里面
下载 associate.py 放入数据集的根目录

python associate.py rgb.txt depth.txt > associated.txt

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM3.yaml ./data/rgbd_dataset_freiburg3_walking_rpy/ ./data/rgbd_dataset_freiburg3_walking_rpy/associated.txt ./data/mask ./data/output

6. 参考文章

https://blog.csdn.net/weixin_43951792/article/details/117168783
https://blog.csdn.net/u011622208/article/details/115955663
https://blog.csdn.net/qq_42938987/article/details/83795217
https://blog.csdn.net/zbr794866300/article/details/106564588
https://blog.csdn.net/DD_PP_JJ/article/details/113822166

ubuntu16.04下dyna-slam编译运行相关推荐

Ubuntu16.04下配置ORB-SLAM2与运行单目实例
Ubuntu16.04下配置ORB-SLAM2与运行单目实例一.安装相关工具二.安装Pangolin 三.安装opencv 四.安装Eigen 五.安装ORB_SLAM2 六.安装usb_cam ...
ubuntu16.04下linux内核编译升级更新以及设备驱动程序的编写
最近学院里的nfc老师要我们做个设备驱动,之前从没接手过这个东西,加上老师给的材料错误也是一大堆,搞了差不多一个星期才搞出来.特此写一个博客,以免后来人和我一样跳坑. 总体考虑要去写设备 ...
Bullet3-2.87在Ubuntu16.04下源码编译安装
编译安装Bullet3-2.87 安装过程其实很简单,有多重源码安装方法,这里提供两种: 方法1: cd bullet3-2.87 mkdir build && cd build cm ...
ubuntu16.04下运行Drcom客户端
ubuntu16.04下运行Drcom客户端先解决依赖问题,所以需要通过其他方式先连上网,然后终端执行(64位系统):sudo apt-get install build-essential mak ...
vscode linux新建c语言,Ubuntu16.04下配置VScode的C/C++开发环境
1. Vscode安装 Visual studio code是微软发布的一个运行于 Mac OS X.Windows和 Linux 之上的,针对于编写现代 Web 和云应用的跨平台源代码编辑器.第一种 ...
linux arm移远重启4g,如何在Ubuntu16.04下配置移远RM500工业模组（5G工业模组）
如何在Ubuntu16.04下配置移远RM500工业模组(5G工业模组) 如何在Ubuntu16.04下配置移远RM500工业模组(5G工业模组) 最近由于工作原因入手了移远的5G(RM500H工业模 ...
Ubuntu16.04下基于opencv--实现图像SIFT特征与全景图片的生成
Ubuntu16.04下基于opencv--实现图像SIFT特征与全景图片的生成一. 理解和实践SIFT特征提取与匹配二. 全景图片的生成三.循环依次读取一个序列图片,进行匹配连线一. 理解和 ...
【ROS】学习笔记一 ubuntu16.04下vs code配置ros环境并编写helloworld程序
[ROS]ubuntu16.04下vs code配置ros环境并编写helloworld程序一.vs code下载 1.相关配置要求: (1)系统为ubuntu16.04 (2)已安装好kineti ...
ubuntu16.04下使用Modbus RTU协议控制Robotiq
ubuntu16.04下使用Modbus RTU协议控制Robotiq 一.设备配置二.创建工作空间三.安装驱动四.配置串口五. ROS节点控制夹爪六.RVIZ显示模型一.设备配置操作系 ...

ubuntu16.04下dyna-slam编译运行

ubuntu16.04下dyna-slam编译运行

1. 显卡驱动安装

2. cuda安装

cuda与cudnn换版本可参考

3. cudnn安装

4. ORB_SLAM2依赖

4.1 安装Pangolin

4.2 安装OpenCV-2.4.11

4.3 安装Eigen3.1.0

4.4 安装keras2.0.8

4.5 安装Tensorflow

4.6 安装MaskRCNN

4.7 安装pycocotools

5. 编译运行DynaSLAM

6. 参考文章

ubuntu16.04下dyna-slam编译运行相关推荐

最新文章

热门文章