【源码】基于Python的直接稀疏视觉里程计系统

项目简介

本项目是基于Python的直接稀疏视觉里程计（Direct Sparse Odometry，DSO）系统。通过SWIG将DSO绑定到Python，从原始的DSO仓库复制而来，并对API做了一些小改动，目标是构建Python库而非C++库。DSO可用于估计相机的运动轨迹和场景的结构，在移动机器人和增强现实等领域有应用价值。

项目的主要特性和功能

1. 采用直接稀疏方法，直接处理图像像素，不依赖关键帧或特征点，具备稀疏性。
2. 具备实时性能，在合适硬件条件下可实现实时处理，满足移动机器人和增强现实等应用的实时需求。
3. 无依赖校准，无需预先校准相机参数，使用更加灵活。
4. 能进行场景结构估计，除估计相机运动外，还可对场景的三维结构进行估计。
5. 支持多种依赖选项，支持OpenCV用于图像读写和显示，Pangolin用于3D可视化和GUI，ziplib用于读取压缩格式的数据集。

安装使用步骤

安装

1. 复制仓库： bash
2. 安装依赖：
   • 必备依赖：可以使用apt或conda安装。
     • apt： bash sudo apt-get install libsuitesparse-dev libeigen3-dev libboost-all-dev
     • conda： bash conda install -c conda-forge boost suitesparse eigen numpy
   • 可选依赖：
     • OpenCV： bash sudo apt-get install libopencv-dev
     • ziplib： bash sudo apt-get install zlib1g-dev cd dso/thirdparty tar -zxvf libzip-1.1.1.tar.gz cd libzip-1.1.1/ ./configure make sudo make install sudo cp lib/zipconf.h /usr/local/include/zipconf.h
     • sse2neon（ARM构建需要）：复制后运行以下命令： bash git submodule update --init
3. 编译： bash cd dso mkdir build cd build cmake.. make -j4

使用

1. 运行数据集：从https://vision.in.tum.de/mono-dataset获取数据集并运行： bash bin/dso_dataset \ files=XXXXX/sequence_XX/images.zip \ calib=XXXXX/sequence_XX/camera.txt \ gamma=XXXXX/sequence_XX/pcalib.txt \ vignette=XXXXX/sequence_XX/vignette.png \ preset=0 \ mode=0
2. 命令行选项：可参考main_dso_pangolin.cpp，例如：
   • mode=X：指定运行模式。
   • preset=X：指定预设配置。
   • nolog=1：禁用特征值等日志记录。
   • reverse=1：反向播放序列。
   • nogui=1：禁用GUI。
   • nomt=1：单线程执行。
   • prefetch=1：在运行DSO前加载并校正所有图像。
   • start=X：从第X帧开始。
   • end=X：在第X帧结束。
   • speed=X：强制以X倍实时速度执行。
   • save=1：保存大量图像用于视频创建。
   • quiet=1：禁用大多数控制台输出。
   • sampleoutput=1：注册示例输出包装器。
3. 运行时选项：部分参数可在Pangolin GUI中实时重新配置。
4. 访问数据：创建自定义的Output3DWrapper并添加到FullSystem.outputWrapper，以实时访问DSO计算的数据。默认情况下，dso_dataset会在序列结束时将所有关键帧位姿写入result.txt文件。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】