1.执行例程rgbd_tum

/home/lhwnb/Desktop/slam/DynaSLAM/Examples/RGB-D/rgbd_tum 
/home/lhwnb/Desktop/slam/DynaSLAM/Vocabulary/ORBvoc.txt 
/home/lhwnb/Desktop/slam/DynaSLAM/Examples/RGB-D/TUM1.yaml 
/home/lhwnb/Desktop/slam/DynaSLAM/dataset/rgbd_dataset_freiburg1_xyz/ 
/home/lhwnb/Desktop/slam/DynaSLAM/dataset/assciation.txt 
/home/lhwnb/Desktop/slam/DynaSLAM/dataset/mask/ 
/home/lhwnb/Desktop/slam/DynaSLAM/dataset/output/
        执行例程的时候输入到CLion中的程序实参是这样的：

        分别对应着RGB例程的可执行文件、ORB字典的路径、相机的配置文件、数据集、深度图和RGB图的对齐文件、mask目录（可选）、output目录（可选）。

        如果不指定mask目录和output目录，则程序的执行和ORB-SLAM2无区别。

        通过LoadImage函数将RGB图像读入vstrImageFilenamesRGB中，深度图读入vstrImageFilenamesD中，时间戳读入vTimestamps中。

        随后测试Mask R-CNN网络是否可用：
    // Initialize Mask R-CNN
    DynaSLAM::SegmentDynObject *MaskNet;
    if (argc==6 || argc==7)
    {
        cout << "Loading Mask R-CNN. This could take a while..." << endl;
        MaskNet = new DynaSLAM::SegmentDynObject();
        cout << "Mask R-CNN loaded!" << endl;
    }
%YAML:1.0
py_path: "./src/python/"
module_name: "MaskRCNN"
class_name: "Mask"
get_dyn_seg: "GetDynSeg"
       主要是加载了几个参数：

        @py_path ： src/python目录

        @module_name ： MaskRCNN文件

         @class_name：Mask类

         @get_dyn_seg：GetDynSeg MaskRCNN.py中Mask类的方法

2.SegmentDynObject::SegmentDynObject方法

SegmentDynObject::SegmentDynObject(){
    std::cout << "Importing Mask R-CNN Settings..." << std::endl;
    ImportSettings();
    std::string x;
    setenv("PYTHONPATH", this->py_path.c_str(), 1);
    x = getenv("PYTHONPATH");
    Py_Initialize();
    this->cvt = new NDArrayConverter();
    this->py_module = PyImport_ImportModule(this->module_name.c_str());
    assert(this->py_module != NULL);
    this->py_class = PyObject_GetAttrString(this->py_module, this->class_name.c_str());
    assert(this->py_class != NULL);
    this->net = PyInstance_New(this->py_class, NULL, NULL);
    assert(this->net != NULL);
    std::cout << "Creating net instance..." << std::endl;
    cv::Mat image  = cv::Mat::zeros(480,640,CV_8UC3); //Be careful with size!!
    std::cout << "Loading net parameters..." << std::endl;
    GetSegmentation(image);
}
        SegmentDynObject::SegmentDynObject方法是加载Mask R-CNN网络的参数并测试网络是否有效并实例化GetDynSeg方法，如果python部分没配置正确的画在这里会报段错误。

        setenv起到改变或增加环境变量的作用，用法如下：

        int setenv(const char *name,const char * value,int overwrite);

        @name为环境变量名称字符串。
        @value则为变量内容。

        @overwrite用来决定是否要改变已存在的环境变量。

        如果overwrite不为0，则改变环境变量原有内容，原有内容会被改为参数value所指的变量内容。如果overwrite为0，且该环境变量已有内容，则参数value会被忽略。
        @return 执行成功则返回0，有错误发生时返回-1。
        这是例子：
#include<stdlib.h>
main()
{
　　char * p;
　　if((p=getenv(“USER”)))
　　    printf(“USER =%s\n”,p);
　　setenv(“USER”,”test”,1);
　　printf(“USER=%s\n”,getenv(“USEr”));
　　unsetenv(“USER”);
　　printf(“USER=%s\n”,getenv(“USER”));
}
        执行结果：USER = root USER = test USER = (null)

        py_module 的类型是PyObject *类型，通过PyImport_ImportModule方法读入src/python目录下的MaskRCNN.py文件，如果读入文件为空报错。

        py_class 的类型是PyObject *类型，通过PyObject_GetAttrString方法导入已导入模块（MaskRCNN.py）中的方法或类（MaskRCNN.py中的Mask类）。

        net 的类型是PyObject *类型，通过PyInstance_New方法使用类构造对象。

        这样我们顺利地构造了MaskRCNN.py中的Mask类。

        下面我们创建网络实例：Creating net instance....，首先创建一个480*640的空白图像。

        调用GetSegmentation函数对该张图片进行处理。

3. SegmentDynObject::GetSegmentation

cv::Mat SegmentDynObject::GetSegmentation(cv::Mat &image,std::string dir, std::string name){
    cv::Mat seg = cv::imread(dir+"/"+name,CV_LOAD_IMAGE_UNCHANGED);
    if(seg.empty()){
        PyObject* py_image = cvt->toNDArray(image.clone());
        assert(py_image != NULL);
        PyObject* py_mask_image = PyObject_CallMethod(this->net, const_cast<char*>(this->get_dyn_seg.c_str()),"(O)",py_image);
        seg = cvt->toMat(py_mask_image).clone();
        seg.cv::Mat::convertTo(seg,CV_8U);//0 background y 1 foreground
        if(dir.compare("no_save")!=0){
            DIR* _dir = opendir(dir.c_str());
            if (_dir) {closedir(_dir);}
            else if (ENOENT == errno)
            {
                const int check = mkdir(dir.c_str(), S_IRWXU | S_IRWXG | S_IROTH | S_IXOTH);
                if (check == -1) {
                    std::string str = dir;
                    str.replace(str.end() - 6, str.end(), "");
                    mkdir(str.c_str(), S_IRWXU | S_IRWXG | S_IROTH | S_IXOTH);
                }
            }
            cv::imwrite(dir+"/"+name,seg);
        }
    }
    return seg;
}
        本方法将传入的image调用MaskRCNN.py中的GetDynSeg方法进行语义分割，得到动态掩码图。

图 - 图中白色的为先验动态物体 0 for background and 1 for foreground

         首先将image图片转换成tensor格式存储在py_image在，判断是否读取成功。

        通过PyObject_CallMethod方法调用（this -> net 是MaskRCNN.py中Mask类实例化的一个对象，this->get_dyn_seg 是该类中的一个方法求得图像的mask信息，再将其转化成图片格式保存起来。返回图像。

        现在Mask R-CNN网络初始化完毕，屏幕输出Mask net loaded!。

4.初始化SLAM系统

这部分和双目相同，详情见博客：

DynaSLAM-8 DynaSLAM中双目运行流程（Ⅱ）：初始化SLAM系统部分System.cchttps://blog.csdn.net/qq_41694024/article/details/128843822 初始化
    // Dilation settings
    int dilation_size = 15;
    cv::Mat kernel = getStructuringElement(cv::MORPH_ELLIPSE,
                                           cv::Size( 2*dilation_size + 1, 2*dilation_size+1 ),
                                           cv::Point( dilation_size, dilation_size ) );
关于Dilate它的本质是取邻域的最大值（是和像素值有关的）。
    if (argc==7)
    {
        std::string dir = string(argv[6]);
        mkdir(dir.c_str(), S_IRWXU | S_IRWXG | S_IROTH | S_IXOTH);
        dir = string(argv[6]) + "/rgb/";
        mkdir(dir.c_str(), S_IRWXU | S_IRWXG | S_IROTH | S_IXOTH);
        dir = string(argv[6]) + "/depth/";
        mkdir(dir.c_str(), S_IRWXU | S_IRWXG | S_IROTH | S_IXOTH);
        dir = string(argv[6]) + "/mask/";
        mkdir(dir.c_str(), S_IRWXU | S_IRWXG | S_IROTH | S_IXOTH);
    }
如果输入的参数是7个，即调用Mask R-CNN网络的情况下，创建几个目录：