这是在ORB-SLAM2基础上针对于动态场景进行改进的版本。利用MASK-RCNN提取场景中动态物体的语义信息，根据掩膜去掉误匹配，同时采用图像恢复技术进行场景恢复和建图，是比较优秀的SLAM算法。下面看看具体编译运行过程：

1、源码：https://github.com/BertaBescos/DynaSLAM

2、文章：DynaSLAM: Tracking, Mapping and Inpainting in Dynamic Scenes

3、下载源码：

git clone https://github.com/BertaBescos/DynaSLAM.git

注意到源码中的CMakeLists使用的是python2.7，因此需要以python2.7安装MASK_RCNN相关依赖项。

我尝试过使用python3.5，但是将PyInstance_New()，函数替换为PyInstanceMethod_New()之后，PyObject_CallMethod()函数返回空，有兴趣的可以试试怎么用python3实现该代码。

4、下载MASK_RCNN源码

git clone https://github.com/matterport/Mask_RCNN.git
cd Mask_RCNN

先安装tensorflow，用清华源比较快（带GPU版本，Python2.7）：

sudo pip2 install --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/linux/gpu/tensorflow_gpu-1.4.0rc1-cp27-none-linux_x86_64.whl

再安装keras ，版本太高会报错。

sudo pip2 install keras==2.0.8

然后将requirements.txt里面的tensorflow，keras去掉，不然装的就是高版本的。

sudo pip2 install -r requirements.txt

可以把MASK_RCNN安装一下：

sudo python2 setup.py install

5、下载预先训练好的COCO模型权重mask_rcnn_coco.h5 ，将其放到DynaSLAM/src/python目录下，然后直接编译dynaSLAM

./bulid.sh

编译完成之后运行（RGBD例子）：

./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM3.yaml data/rgbd_dataset_freiburg3_walking_xyz data/rgbd_dataset_freiburg3_walking_xyz/associations.txt data/mask data/output

最后两个参数建一个空文件夹就行，会自动保存相关图片信息。

这里有一个bug，之前的代码不会保存深度图，需要在rgbd_tum.cc，141下面添加：

vstrImageFilenamesD[ni].replace(0,6,"");

6、若是使用python2之后PyImport_ImportModule()，函数还是返回空，那么可能是python文件夹中将tab与空格混用以及函数定义中出现了一些缩进不匹配，导致错误。我是在这里下载的：

https://download.csdn.net/download/qq_42938987/10769306

替换之后就可以了。

这篇博客的编译过程也写的很好：https://blog.csdn.net/qq_42938987/article/details/83795217

7、该算法运行速度较慢，实时性不是太好，是缺点之一！！！，下面放一张分割之后保存的图片