Ubuntu18.04 ORB-SLAM2运行TUM数据集

2024-02-01 15:10

本文主要是介绍Ubuntu18.04 ORB-SLAM2运行TUM数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

首先默认已配置ROS与ORB-SLAM2环境

1、ORB-SLAM2的安装位置为:/home/csim/catkin_ws/src/ORB_SLAM2

2、TUM数据集的所在位置为:

/home/csim/ren/data/TUM/rgbd_dataset_freiburg1_xyz

3、运行TUM数据集分为:单目示例运行、双目示例运行与深度示例运行,其中深度示例运行需要使用python脚本associate.py关联RGB图像和深度图像。

关联颜色和深度图像:Kinect以非同步的方式提供彩色图像和深度图像。这意味着来自彩色图像的时间戳集不会与深度图像的时间戳集相交。因此,我们需要一种将彩色图像与深度图像相关联的方法。

单目示例运行TUM数据集的rgbd_dataset_freiburg1_xyz:

(1)在ORB-SLAM2所在位置:

/home/csim/catkin_ws/src/ORB_SLAM2

(2)运行命令:

./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM1.yaml /home/csim/ren/data/TUM/rgbd_dataset_freiburg1_xyz

上述命令中TUM1.yaml对应的是freiburg1数据集,则TUM2.yaml与TUM3.yaml分别对应的是freiburg2数据集与freiburg3数据集。

深度示例运行TUM数据集的rgbd_dataset_freiburg1_xyz

(1)下载TUM数据集提供的associate.py 为文件,将其下载到

/home/csim/ren/data/TUM

下载地址为:https://cvg.cit.tum.de/data/datasets/rgbd-dataset/tools

(2)在associate.py 文件所在位置执行命令:

python associate.py rgbd_dataset_freiburg1_xyz/rgb.txt rgbd_dataset_freiburg1_xyz/depth.txt >  rgbd_dataset_freiburg1_xyz/associations.txt

运行上述命令后,会在rgbd_dataset_freiburg1_xyz数据集的文件夹中看到associations.txt文件

(3)在ORB-SLAM2所在位置:

/home/csim/catkin_ws/src/ORB_SLAM2

(4)运行命令:

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM1.yaml /home/csim/ren/data/TUM/rgbd_dataset_freiburg1_xyz /home/csim/ren/data/TUM/rgbd_dataset_freiburg1_xyz/associations.txt

双目实例运行TUM数据集的rgbd_dataset_freiburg1_xyz

(1)需要开启三个终端,每个终端要先运行:

export ROS_PACKAGE_PATH=/home/csim/catkin_ws/src/ORB_SLAM2/Examples/ROS:${ROS_PACKAGE_PATH}

(2)三个终端都需要在

/home/csim/catkin_ws/src/ORB_SLAM2

下运行命令。

第一个终端:

roscore

第二个终端:

rosrun ORB_SLAM2 Stereo Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml true

第三个终端:

rosbag play --pause /home/csim/ren/data/TUM/MH_01_easy.bag /cam0/image_raw:=/camera/left/image_raw /cam1/image_raw:=/camera/right/image_raw

但是我这里双目实例运行TUM数据集的rgbd_dataset_freiburg1_xyz,并没有出现一下结果。

这篇关于Ubuntu18.04 ORB-SLAM2运行TUM数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/667629

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav