刘力铭 comments

Results 4 comments of


                                            刘力铭

The published odom_rf2o will not change ([rf2o] ERROR: Eigensolver couldn't find a solution. Pose is not updated)

> https://github.com/tianb03/rf2o_laser_odometry > Solved both of the INF and Pose transformation problems. thanks, it solved my problem

编译成功，但是运行有bug

你好：首先，这部分代码是在提示你应该删除cmake build路径有冲突，你应该删除主目录下的build、Thirdparty/g2o/build、Thirdparty/Sophus/build然后重新运行build.sh ``` Configuring and building Thirdparty/g2o ... mkdir: 无法创建目录 “build”: 文件已存在 CMake Error: The current CMakeCache.txt directory /home/yu/ubuntu20/tf_docker/HFNet_SLAM-_docker/HFNet_SLAM-main/Thirdparty/g2o/build/CMakeCache.txt is different than the directory /shared_volume/HFNet_SLAM-main/Thirdparty/g2o/build where CMakeCache.txt was created....

编译成功，但是运行有bug

我要是没记错的话，编译tensorflow_cc是需要修改默认的编译设置才能使用的。我推荐你尝试使用TensorRT，因为使用TensorRT计算模型会比TensorFlow快很多。TensorRT应该不需要你额外编译，在https://docs.nvidia.com/deeplearning/tensorrt/install-guide/index.html 网站的3.2.1章节正常安装后即可使用。建议你在CUDA，驱动，cudnn等等版本与我给出的保持一致。我只在我的笔记本上测试过，抱歉，也没有docker环境。

编译成功，但是运行有bug

确实太奇怪了，目前你的CUDA和TensorRT的版本确实和我一模一样了。虽然很同情你，但是如果实在编译不出就算了吧。这个项目主要是在ORB-SLAM3的基础上加了基于神经网络的Extraction和Matcher。 SLAM相关的内容可以从ORB-SLAM3项目上学习，基于神经网络部分的改进，把程序看懂就好了，在HFNet-SLAM/Examples/Utility文件下有很多轻量级的测试程序，他们基本包括了运行神经网络、提取特征、匹配特征的全部流程。如果你只是对神经网络感兴趣的话，可以不用编译整个SLAM框架，而是只编译和看懂这些小程序就可以了。