学习SLAM：SLAM进阶（七）如何在C++代码中调用python类，实例化python中类的对象，如何将conda中的深度学习环境导入C++项目中

目录

1.应用场景

2.场景：利用maskrcnn深度学习网络实现语义分割

3.CMake配置python解释器

4.C++中实现实例化python中的类的对象并调用类内方法

4.1 初始化python环境

4.2  实例化python类的对象

---

1.应用场景

        我们在视觉SLAM以及目标检测和识别中，经常要将代码结合深度学习。但深度学习代码大多都是python的，SLAM代码大多都是C++的，如何建立C++和python的链接桥就显得极为重要，本篇文章将介绍如何配置CMake导入深度学习的python模块以及如何在C++代码中python中类的方法。

2.场景：利用maskrcnn深度学习网络实现语义分割

        在视觉SLAM中调用maskrcnn深度学习语义分割网络实现对动态物体的剔除。

        首先，我训练了一个各种树和人的数据集，确保我的深度学习网络maskrcnn可以运行起来，在pycharm中运行效果如下：

        原图片是一张人的图片，这里返回的是这个图像的掩膜。！！到这里我就想告诉大家，我的深度学习网络可以运行起来（也就是说你在进