superpoint_VO

准备工作

依赖库

• opencv（包含contrib)
• Eigen3
• g2o
• DNNDK

数据集

数据集的文件结构应与TUM的存储结构相同：

$DATA_DIR
├─ rgb
│  ├─ *.png
│  └─ …
├─ depth
│  ├─ *.png
│  └─ …
├─ rgb.txt
├─ depth.txt
└─ match.txt

其中match.txt由TUM官网上的associate.py生成：

python associate.py ./rgb.txt ./depth.txt

简单运行

修改src/visodo.cpp文件中的get_Name_and_Scale()函数的代码：

char listFileDir[200] = "/home/linaro/dataset/tum/rgbd_dataset_freiburg2_desk/";

替换为你的数据集的地址。修改相机的编号为你的数据集对应的相机：

#define K_FREIBURG 2

运行指令：

mkdir build
cd build
cmake .. && make
./main

修改参数

src/visodo.cpp文件中可修改的参数

• 最大运行帧数(运行到最大帧数或数据集结束都会停止)

#define MAX_FRAME 5000

• 特征点检测方法：orb/sift/superpoint

#define DETECTOR "superpoint"

src/vo_features.cpp文件中可修改的参数

• NMS的阈值

#define NMS_Threshold 4

• 特征点数量

#define KEEP_K_POINTS 200

• descriptor匹配间距的阈值

#define NN_thresh 0.7

• descriptor匹配方法
  • BF：暴力匹配
  • FlannBased：Fast Library forApproximate Nearest Neighbors，一种近似方法

#define MATCHER "BF"