MASt3R-SLAM项目安装与配置指南

1. 项目基础介绍

MASt3R-SLAM是一个实时稠密SLAM（同步定位与映射）系统，它利用3D重建先验进行优化。该项目旨在通过结合先进的机器学习技术与传统的视觉SLAM方法，提高SLAM系统的性能和鲁棒性。项目的主要编程语言是Python和C++，同时利用了CUDA进行GPU加速。

2. 项目使用的关键技术和框架

• 计算机视觉技术：MASt3R-SLAM使用了一系列计算机视觉技术，包括特征检测、匹配和3D重建。
• 深度学习框架：项目采用了PyTorch作为深度学习框架，用于模型的训练和推理。
• CUDA：利用NVIDIA的CUDA技术，项目能够在GPU上加速计算，提高处理速度。
• OpenGL：项目使用了ModernGL，一个基于OpenGL的图形库，用于渲染和可视化。

3. 项目安装和配置的准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 操作系统：推荐使用Ubuntu操作系统。如果使用Windows，可以通过WSL（Windows Subsystem for Linux）来运行。
• Python：Python 3.11。
• CUDA：NVIDIA CUDA，版本需与安装的PyTorch版本相匹配。
• 依赖：git、conda、pip等工具需要预先安装。

安装步骤

步骤 1: 创建虚拟环境

打开终端，创建并激活一个新的conda虚拟环境：

conda create -n mast3r-slam python=3.11
conda activate mast3r-slam

步骤 2: 安装PyTorch

根据您的CUDA版本，安装对应的PyTorch版本。以下示例为CUDA 11.8的安装命令：

conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=11.8 -c pytorch -c nvidia

步骤 3: 克隆仓库并安装依赖

使用git克隆仓库，并安装项目依赖：

git clone https://github.com/rmurai0610/MASt3R-SLAM.git --recursive
cd MASt3R-SLAM/
pip install -e thirdparty/mast3r
pip install -e thirdparty/in3d
pip install --no-build-isolation -e .

如果需要，还可以选择安装torchcodec以提高MP4加载速度：

pip install torchcodec==0.1

步骤 4: 下载预训练模型

下载MASt3R模型和检索相关文件：

mkdir -p checkpoints/
wget https://download.europe.naverlabs.com/ComputerVision/MASt3R/MASt3R_ViTLarge_BaseDecoder_512_catmlpdpt_metric.pth -P checkpoints/
wget https://download.europe.naverlabs.com/ComputerVision/MASt3R/MASt3R_ViTLarge_BaseDecoder_512_catmlpdpt_metric_retrieval_trainingfree.pth -P checkpoints/
wget https://download.europe.naverlabs.com/ComputerVision/MASt3R/MASt3R_ViTLarge_BaseDecoder_512_catmlpdpt_metric_retrieval_codebook.pkl -P checkpoints/

步骤 5: 运行示例

运行示例脚本以测试安装是否成功。以下命令会下载TUM数据集并运行：

bash ./scripts/download_tum.sh
python main.py --dataset datasets/tum/rgbd_dataset_freiburg1_room/ --config config/calib.yaml

以上步骤为MASt3R-SLAM项目的详细安装和配置指南，按照这些步骤操作，您应该能够成功安装并运行该项目。