DSP-SLAM项目下载与安装教程

1. 项目介绍

DSP-SLAM（Object Oriented SLAM with Deep Shape Priors）是一个基于深度形状先验的对象导向SLAM系统。它能够构建一个丰富且准确的对象和背景的联合地图，其中前景对象由密集的3D模型表示，背景则由稀疏的地标点表示。DSP-SLAM通过输入基于特征SLAM系统重建的3D点云，增强了其稀疏地图，通过检测到的对象进行密集重建。该系统能够处理单目、立体或立体+LiDAR等多种输入模态，并在不同的数据集上表现出色。

2. 项目下载位置

项目托管在GitHub上，您可以通过以下链接下载项目代码：

https://github.com/JingwenWang95/DSP-SLAM.git

3. 项目安装环境配置

系统要求

• 操作系统：Ubuntu 18.04 或 20.04
• GPU：RTX-2080 或 RTX-3080（或其他支持CUDA的GPU）

环境依赖

• C++17 编译器（g++-7, g++-8, g++-9）
• OpenCV 3.2 或更高版本
• Eigen3 3.4.0 或更高版本
• Pangolin（用于可视化重建结果）
• DBoW2 和 g2o（已包含在项目第三方库目录中）
• Pybind11（用于C++和Python之间的通信）
• Python 3.7 或 3.8
• PyTorch（与CUDA兼容的版本）
• mmdetection 和 mmdetection3d

配置示例

以下是配置Python环境的示例（以Ubuntu系统为例）：

# 创建Python虚拟环境
conda create -f environment.yml
# 激活虚拟环境
conda activate dsp-slam

4. 项目安装方式

下载项目代码

git clone --recursive https://github.com/JingwenWang95/DSP-SLAM.git

使用构建脚本

项目提供了构建脚本build_cuda102.sh和build_cuda113.sh，可以根据您的CUDA版本选择使用。

./build_cuda102.sh --install-cuda --build-dependencies --create-conda-env
# 或
./build_cuda113.sh --install-cuda --build-dependencies --create-conda-env

手动安装

如果您需要更灵活的安装方式，可以手动安装依赖并构建项目。

# 创建构建目录
mkdir build
cd build
# 配置CMake
cmake -DPYTHON_LIBRARIES=[YOUR_PYTHON_LIBRARY_PATH] \
      -DPYTHON_INCLUDE_DIRS=[YOUR_PYTHON_INCLUDE_PATH] \
      -DPYTHON_EXECUTABLE=[YOUR_PYTHON_EXECUTABLE_PATH] \
      ..
# 构建项目
make -j8

5. 项目处理脚本

项目中的脚本主要用于数据集的处理、模型训练和可视化等任务。以下是一个简单的运行示例：

# 运行dsp_slam
./dsp_slam

确保在运行之前已经正确配置了环境，并按照项目要求准备好了数据集和预训练模型权重。