ubuntu14.04 CUDA8.0 DynSLAM編譯與運行

本文介紹2018年的一篇基於深度學習,同時具有稠密地圖的視覺SLAM------Dynslam.

標題:Robust Dense Mapping for Large-Scale Dynamic Environments

在這裏可以找到文章主頁和源代碼:http://andreibarsan.github.io/dynslam

在這裏找到編譯方法和部分錯誤解決方案:https://blog.csdn.net/wujie_13143/article/details/81667703

按照github上的編譯,下面介紹編譯過程中的其它錯誤和解決方案:

(1)安裝nvidia-docker2:

    1:docker-ce安裝(由於我在直接安裝nvidia-docker2時報錯,說是這個沒有安裝,那就先裝一下吧O_O):
        # step 1: 安裝必要的一些系統工具
        sudo apt-get update
        sudo apt-get -y install apt-transport-https ca-certificates curl software-properties-common
        # step 2: 安裝GPG證書
        curl -fsSL http://mirrors.aliyun.com/docker-ce/linux/ubuntu/gpg | sudo apt-key add -
        # Step 3: 寫入軟件源信息
        sudo add-apt-repository "deb [arch=amd64] http://mirrors.aliyun.com/docker-ce/linux/ubuntu $(lsb_release -cs) stable"
        # Step 4: 更新並安裝 Docker-CE
        sudo apt-get -y update
        sudo apt-get -y install docker-ce

        # 安裝指定版本的Docker-CE:(沒試過)
        # Step 1: 查找Docker-CE的版本:
        # apt-cache madison docker-ce
        #   docker-ce | 17.03.1~ce-0~ubuntu-xenial | http://mirrors.aliyun.com/docker-ce/linux/ubuntu xenial/stable amd64 Packages
        #   docker-ce | 17.03.0~ce-0~ubuntu-xenial | http://mirrors.aliyun.com/docker-ce/linux/ubuntu xenial/stable amd64 Packages
        # Step 2: 安裝指定版本的Docker-CE: (VERSION 例如上面的 17.03.1~ce-0~ubuntu-xenial)
        # sudo apt-get -y install docker-ce=[VERSION]
    2:獲取權限(可以避免使用docker時添加sudo):
        sudo groupadd docker     #添加docker用戶組
        sudo gpasswd -a $USER docker     #將登陸用戶加入到docker用戶組中
        newgrp docker     #更新用戶組
        docker ps    #測試docker命令是否可以使用sudo正常使用
    3:安裝校驗:
        docker version
    4:安裝nvidia-docker2("\"表示換行):
        docker volume ls -q -f driver=nvidia-docker | xargs -r -I{} -n1 docker ps -q -a -f volume={} | xargs -r docker rm -f
        sudo apt-get purge -y nvidia-docker

        curl -s -L https://nvidia.github.io/nvidia-docker/gpgkey | \
        sudo apt-key add -

        distribution=$(. /etc/os-release;echo $ID$VERSION_ID)

        curl -s -L https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | \
        sudo tee /etc/apt/sources.list.d/nvidia-docker.list

        sudo apt-get update

        sudo apt-get install -y nvidia-docker2
        sudo pkill -SIGHUP dockerd
    5:測試:
        docker run --runtime=nvidia --rm nvidia/cuda nvidia-smi

第五步由於時間太長,我就沒有測試了O_O

(2)編譯Pangolin

1:編譯出現-fPIC之類的錯誤的話,我的原因是安裝python3時沒有設置這個選項,重新安裝python3

./configure --prefix=/usr/local/ CFLAGS=-fPIC 
make
make install

就不會報錯了.

2:編譯時如果出現examples和tools文件編譯錯誤,註釋掉CMakeLists裏面的內容就行,不影響.

#if(BUILD_EXAMPLES)
  #set(Pangolin_DIR ${Pangolin_BINARY_DIR}/src)
  #add_subdirectory(examples)
  #add_subdirectory(tools)
#endif()

(3)代碼編譯:

錯誤可根據此博客解決:https://blog.csdn.net/wujie_13143/article/details/81667703

(4)運行:

bash mkdir -p csv

./build/DynSLAMGUI --use_dispnet --dataset_root=data/mini-seq-06 --dataset_type=kitti-odometry

出現錯誤cudaSafeCall() Runtime API error : 2 | out of memory,原因可能是內存不夠

我的解決方法是:搜索ITMLocalVBA.h,強制設置blockSize大小爲64

ITMLocalVBA(MemoryDeviceType memoryType, int noBlocks, int blockSize)
{
	this->memoryType = memoryType;

	blockSize = 64;//強制改變

	allocatedSize = noBlocks * blockSize;

	printf("Building local VBA for storing the active map. noBlocks = %d, blockSize = %d\n",noBlocks, blockSize);
	voxelBlocks = new ORUtils::MemoryBlock<TVoxel>(allocatedSize, memoryType);
	allocationList = new ORUtils::MemoryBlock<int>(noBlocks, memoryType);
}

然後找到ITMLibDefines.h,設置如下:

#define SDF_BLOCK_SIZE 4				// SDF block size
#define SDF_BLOCK_SIZE3 64				// SDF_BLOCK_SIZE3 = SDF_BLOCK_SIZE * SDF_BLOCK_SIZE * SDF_BLOCK_SIZE

然後編譯運行就可以跑起來了,下面效果圖:

還不錯,哈哈,以上只是我遇到的情況,在此祝大家都能成功!!!!!