实验笔记之——DPVO（Deep Patch Visual Odometry）

本博文记录本文测试DPVO的过程，本博文仅供本人学习记录用~

《Deep Patch Visual Odometry》

代码链接：GitHub - princeton-vl/DPVO: Deep Patch Visual Odometry

目录

配置过程

测试记录

代码解读

参考资料

---

配置过程

首先下载代码以及创建conda环境

git clone https://github.com/princeton-vl/DPVO.git --recursive
cd DPVO

conda env create -f environment.yml
conda activate dpvo

然后安装eigen以及下载DPVO对应的模型及数据，同时安装DPVO

wget https://gitlab.com/libeigen/eigen/-/archive/3.4.0/eigen-3.4.0.zip
unzip eigen-3.4.0.zip -d thirdparty

# install DPVO
pip install .

# download models and data (~2GB)
./download_models_and_data.sh

安装成功~

可视化工具，采用Pangolin Viewer

./Pangolin/scripts/install_prerequisites.sh
mkdir Pangolin/build && cd Pangolin/build
cmake ..
make -j8
sudo make install
cd ../..

然后安装viewer

pip install ./DPViewer

采用MobaXterm来运行下面代码从而观看demo

conda activate dpvo

python demo.py \
    --imagedir=<path to image direc