H2-Mapping 项目下载及安装教程
1. 项目介绍
H2-Mapping 是一个实时密集建图项目,使用分层混合表示方法,能够在边缘计算机上实现高质量的实时建图。该项目获得了2023年IEEE机器人与自动化快报(RAL)最佳论文奖。H2-Mapping 结合了神经辐射场(NeRF)技术,通过隐式多分辨率哈希编码和显式八叉树SDF先验,实现了快速场景几何初始化和学习。此外,项目还提出了一种覆盖最大化的关键帧选择策略,以解决遗忘问题并增强建图质量,特别是在边缘区域。
2. 项目下载位置
要下载 H2-Mapping 项目,请使用以下命令克隆项目仓库及其子模块:
git clone --recursive https://github.com/SYSU-STAR/H2-Mapping.git
3. 项目安装环境配置
3.1 创建 Anaconda 环境
首先,创建一个名为 h2mapping
的 Anaconda 环境。请注意,安装 Open3D 的 0.17.0 版本可能会导致重建评估时出错,因此建议安装 0.16.0 版本。
cd H2-Mapping/mapping
conda env create -f h2mapping.yaml
3.2 安装 PyTorch
根据您的硬件平台手动安装 PyTorch。
3.3 安装依赖包
运行以下脚本安装依赖包:
bash install.sh
3.4 安装 tinycudann 及其 PyTorch 扩展
按照以下步骤安装 tinycudann 及其 PyTorch 扩展:
cd third_party/tinycudann
cmake -B build -DCMAKE_BUILD_TYPE=RelWithDebInfo
cmake --build build --config RelWithDebInfo -j
cd bindings/torch
python setup.py install
4. 项目安装方式
4.1 在数据集上运行(仅建图)
替换 src/mapping.py
中的库文件路径:
torch.classes.load_library("third_party/sparse_octree/build/libxxx/svo_xxx.so")
下载 Replica 数据集并保存到 /Datasets/Replica
文件夹中:
bash mapping/scripts/download_replica.sh
执行 H2-Mapping:
cd mapping
python -W ignore demo/run_mapping.py configs/replica/room_0.yaml
4.2 在 ROS 上运行(完整 SLAM)
安装 Ubuntu、ROS、Ceres 和 OpenCV。如果您成功运行了 VINS-Fusion,您也可以运行我们的跟踪代码。
构建跟踪模块:
cd H2-Mapping
catkin_make
替换 src/mapping.py
中的库文件路径:
torch.classes.load_library("third_party/sparse_octree/build/libxxx/svo_xxx.so")
下载并解压 ROS bag:
rosbag decompress tower_compress.bag
配置跟踪参数和 ROS 参数,然后运行建图模块:
conda activate h2mapping
cd H2-Mapping
source devel/setup.bash
cd mapping
python -W ignore demo/run_mapping.py configs/realsense/tower.yaml -run_ros
5. 项目处理脚本
5.1 运行跟踪模块
在单独的终端中运行以下命令:
cd H2-Mapping
bash ros_cmd/run_vins_rgbd.sh
5.2 播放 ROS Bag
在另一个终端中播放 ROS Bag:
rosbag play tower_compress.orig.bag
5.3 终止所有模块
在终端中执行以下命令终止所有模块:
rosnode kill -a
5.4 使用自己的 RGB-D 序列
修改 mapping/configs/realsense
中的配置文件,并根据您的设备修改 src/dvins/config/uav2022/uav_nerf.yaml
中的跟踪配置文件。
5.5 评估重建误差
下载 Replica 网格的真值数据:
bash scripts/download_replica_mesh.sh
替换 eval/eval_recon.py
中的库文件路径,然后运行以下命令:
cd mapping
OUTPUT_FOLDER=your_output_folder
python eval/eval_recon.py -2d -3d
以上是 H2-Mapping 项目的下载及安装教程,希望对您有所帮助。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0330- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









