jetson nano编译运行GCNv2

最新推荐文章于 2024-04-12 09:56:39 发布
最新推荐文章于 2024-04-12 09:56:39 发布
阅读量1.1k 收藏 12
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44457020/article/details/104813485
版权

**

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
在这里插入图片描述
顺便用测评工具生成一个绝对误差图
在这里插入图片描述

奈流云何
关注
  • 1
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 10
    评论
jetson nano 可以用的torch和torchvision
05-24
这个破torch和配套的vision真不太好找，如果直接使用pip安装torch和torchvison会出现无法使用cuda的问题，英伟达官网提供了torch的whl包，但没提供torchvision的，这个配套的vision官网给的是dockter安装，但我好像不会用。。。然后就在网上瞎猫捉到死耗子一样找到了这个arm版本的vision，关键是好像可以和英伟达官网给的torch配套用 torch 版本号是1.10.0 vision 版本号是0.11.0
RA-GCNv22
03-26
丰富激活图卷积网络（RA-GCN）v2.0 1纸张详细信息 宋义范，张章，蔡凤山和王亮。 丰富激活的图卷积网络，用于基于骨骼的鲁棒动作识别。 IEEE视频技术电路和系统交易，2020年。 先前版本（RA-GCN v1.0）： 下图是RA-GCN v2的管道。 遮挡和抖动骨骼样本如下所示 2先决条件 2.1库 该代码基于 （anaconda，> = 3.5）和 （> = 0.4.0和<= 1.2.0）。 注意：在更高版本的PyTorch中使用多个GPU时，nn.ParameterList可能会报告错误。 其他Python库在'requirements.txt'中提供，可以通过以下方式安装 pip install -r requirements.txt 2.2实验数据集 我们的模型在NTU RGB + D 60和120数据集上进行了实验，可以从下载。 有302个需要忽
探索GCNv2_SLAM：下一代视觉SLAM技术的革新
最新发布
gitblog_00049的博客
04-12 369
探索GCNv2_SLAM：下一代视觉SLAM技术的革新 项目地址:https://gitcode.com/jiexiong2016/GCNv2_SLAM 项目简介 GCNv2_SLAM是一个基于图卷积网络（Graph Convolutional Network, GCN）的第二代Simultaneous Localization and Mapping (SLAM)系统。该项目由jiexiong...
适用于jetson nano的anaconda
09-26
适用于jetson nano的anaconda Archiconda3-0.2.3-Linux-aarch64.zip github有时候下载不了
jetson nano安装pytorch
11-16
在nvidia的jetson nano、AGX、TX2等开发板上安装pytorch环境。资源包括：torch-1.7.0-cp36-cp36m-linux_aarch64.whl以及1.6.0、1.5.0、1.4.0资源，torchvision，Miniforge-pypy3-4.9.0-3-Linux-aarch64.sh。
jetson nano csi摄像头 tensorrt 运行yolov8检测 项目代码
05-27
jetson nano csi摄像头 tensorrt 运行yolov8检测 项目代码
GCNv2-SLAM-for-cpu-配置流程记录.zip
12-10
GCNv2-SLAM-for-cpu-配置流程记录，靠谱，从头到尾，运行通过哈哈哈哈
GCNv2编译过程中出现的问题
CAFE-BABE的博客
11-21 3954
前段时间偶然在github上发现了一个前端和深度学习相结合用来进行特征点提取和描述子计算的开源slam框架，想作为课题的一部分研究，结果，没想到研究之前的过程会如此曲折，今天刚刚编译成功，感觉真的是：我太难了。。。 好了言归正传，开始讲一下编译过程中出现的一些问题： 问题1、首先讲一下我的电脑配置： ubuntu 16.04 gcc 5.4.0 g++ 5.4.0 cmake 3.11.3 p...
1运行GCN和DeepWalk
weixin_44500061的博客
11-29 1831
百度飞浆PGL图神经网络学习心得-1目录PaddlepaddlePGL本地运行出现的问题第一课：图学习初印象习题1. 环境搭建2. 下载PGL代码库3. 运行示例3.1 GCN3.2 DeepWalk4 PGL相关信息5. 代码框架梳理5.1 参数设置5.2 数据预处理5.3 模型构建5.4 模型训练和测试 目录 这是我第一次在CSDN上发文章，之前写代码参考了无数篇CSDN上面的文章和code，也曾经想过自己写一写平常遇到的技术和代码难点，但总是因为懒所以一直搁置（咕咕咕）。有这个想法不是说想给别人有多大
图卷积网络（GCN）运行细节
stu_muc的博客
12-31 727
图卷积网络运行细节一、公式说明二、实例假设三、运行细节四、附加说明 图1 图卷积网络 Z=f(X,A)=softmax(A^ ReLU(A^ XW(0))W(1))...........(1)Z = f\left( X,A \right) = softmax(\widehat{A}\text{\ ReLU}\left( \widehat{A}\text{\ X}W^{(0)} \right)W^{(1)})...........(1)Z=f(X,A)=softmax(A R
Pytorch1.4下运行 GCNv2slam 需要修改的地方
weixin_45650404的博客
05-13 5528
1 .编译 GCNextractor.h 第99行： std::shared_ptr<torch::jit::script::Module> module; 改为： torch::jit::script::Module module; GCNextractor.cc 第270行： auto output = module->forward(inputs).toTuple(); 改为： auto output = module.forward(inputs).toTuple();
DS-slam编译问题总结
01-20
大多数问题在这个博客里面已经总结了： https://blog.csdn.net/yinghuaxuan/article/details/89969197 此外要注意的是，github上已经有了caffe-segnet-cudnn7 如果要使用这个，主要要将所有的CmakeLists里面的目录都替换成这个的，原来是cudnn5，改成这个的目录。 编译返回c++ internal compiler error KILLED 因为原来的build.sh里面是make -j12,我改成了make -j8,还是不行，需要改成-j2 编译过程中出现 *** No rule to make target
jetson-ffmpeg:在Jetson Nano上的ffmpeg支持
05-12
2.修补ffmpeg并构建 git clone git://source.ffmpeg.org/ffmpeg.git -b release/4.2 --depth=1 cd ffmpeg wget https://github.com/jocover/jetson-ffmpeg/raw/master/ffmpeg_nvmpi.patch git apply ffmpeg_nvmpi....
Ubuntu16.04中GCNv2-SLAM的CPU版本
creative1的博客
12-27 1387
# Ubuntu16.04中GCNv2-SLAMCPU版本 代码下载： [https://github.com/jiexiong2016/GCNv2_SLAM](https://github.com/jiexiong2016/GCNv2_SLAM) libtorch个版本下载: [https://blog.csdn.net/weixin_43742643/article/](https://blog.csdn.net/weixin_43742643/article/details/114156298?utm
GCNv2_SLAM结果复现
dna葡萄糖的博客
09-30 4522
文章写于2021.9.29 由于在实时跑ORB_SLAM3的时候，相机转动过快会LOST，因此采用其他特征点提取方法进行尝试，首先是GCNv2_SLAM。 系统：Ubuntu 18.04 g++：5.x CUDA：10.2 参考文章：Ubuntu系统pangolin与libtorch所引发的连接错误_feiyang_luo的博客-CSDN博客 GCNv2编译过程中出现的问题_CAFE-BABE的博客-CSDN博客 Pytorch1.4下运行 GCNv2slam 需要修改的地...
GCNv2复现-CPU
NolanTHU的博客
04-11 6144
一、一些工具的安装 1.配置过程中所需要cmake、gcc、g++、git和pip工具。 sudo apt-get install cmake sudo apt-get install gcc g++ sudo apt-get install git sudo apt-get install python3-pip 2.安装vim sudo apt-get install vim 3.安装eigen sudo apt-get install libeigen3-dev 4.安装Pango
基于深度学习的特征提取系列（一）：GCNv2 论文翻译
private_Jack的博客
09-06 773
本文提出一种基于深度学习的网络GCNv2，用于关键点和描述子的生成。GCNv2是建立在我们之前的方法GCN上的。GCN是一个为3D射影几何进行训练的网络。GCNv2采用二进制描述子向量作为ORB特征，可以方便地在ORB- slam2等系统中替换ORB。与仅能在桌面硬件上运行的GCN相比，GCNv2显著提高了计算效率。展示了使用GCNv2功能的ORB-SLAM2的修改版本如何在嵌入式低功耗平台Jetson TX2上运行。
ST-GCN demo运行记录
poocher的博客
03-20 853
Pytorch已经下载完成，需要下载其他的python库 打开requirements.txt文件所在文件夹，使用cmd,输入pip install语句： 使用pip list语句可以查询已下载的python库： 根据作者给出的readme文件，接下来是installation,首先是使用cmd,输入cd <torchlight文件的目录>(进入到torchlight文件夹中)；然后输入python setup.py install，运行这个.py文件；cd....
GCNv2的理解历程
NolanTHU的博客
04-01 6889
纯小白最近因为实习的事情需要了解GCNv2这个算法，论文和github代码链接分别如下 论文链接：https://arxiv.org/pdf/1902.11046v3.pdf 代码地址：https://github.com/jiexiong2016/GCNv2_SLAM
jetson nano怎么运行代码
05-29
Jetson Nano运行代码的方法一般有两种： 1. 通过命令行运行Python脚本 您可以在Jetson Nano终端中打开一个文本编辑器，编写Python代码，然后使用Python解释器运行该代码。例如，您可以打开终端，输入以下命令： ``` nano mycode.py ``` 这将打开一个名为“mycode.py”的新文件，您可以在其中编写Python代码。编写完成后，您可以使用以下命令来运行代码： ``` python mycode.py ``` 2. 使用JetPack中的集成开发环境 JetPack是NVIDIA提供的一个软件开发工具包，其中包含了一些常用的集成开发环境，如PyCharm、Eclipse等。您可以使用这些集成开发环境来编写代码，并在Jetson Nano上进行调试和运行。例如，您可以在Jetson Nano上安装PyCharm，并使用它来编写和运行Python代码。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值