jetson nano编译运行GCNv2

**

GCNv2: Efficient Correspondence Prediction for Real-Time SLAM

**
论文原文
中文翻译
开源代码
PS:代码从码云上克隆快

git clone https://gitee.com/hzm8341/GCNv2_SLAM.git

编译前需要如下环境
pytorch
别去编译源码，很慢，还有各种问题，不要问我怎么知道的
直接百度网盘下载，来源
https://pan.baidu.com/s/1zCfAPXhQh59-0rrZLWbUpg
提取码：1xe7

sudo pip3 install torch-1.1.0-cp36-cp36m-linux_aarch64.whl

Pangolin
OpenCV
如果你的OPENCV版本默认是4的话，要自己再装3，参考
Eigen3

编译报错

/usr/bin/ld : cannot find -lCUDA_cublas_device_LIBRARY-NOTFOUND
解决方法：升级CMAKE版本
方法来源
需要手动编译CMAKE，搞个最新版本，方法参考
运行
测试需要TUM数据参考
GCNV2的文件夹中
运行的时候run.sh中的数据集路径要改，并选择一种运行模式

# 640x480 resolution example
FULL_RESOLUTION=1 GCN_PATH=gcn2_640x480.pt ./rgbd_gcn ../Vocabulary/GCNvoc.bin TUM3.yaml ~/Workspace/Datasets/TUM/freiburg3/rgbd_dataset_freiburg3_long_office_household ~/Workspace/Datasets/TUM/freiburg3/rgbd_dataset_freiburg3_long_office_household/association.txt

第一个地址是数据地址
第二地址是association.txt的地址
我一开始以为第二个地址是输出TXT文件的地址，实际上是数据集里带的association.txt，这是输入

顺便用测评工具生成一个绝对误差图

标签：GCNv2,nano,freiburg3,编译,地址,rgbd,jetson,txt,association
来源： https://blog.csdn.net/weixin_44457020/article/details/104813485