本方法在多次重装系统后多次配置仍成功。为保证下列步骤顺利运行，前提为：在电脑上已成功配置orbslam2,电脑已翻墙确保外网下载顺利。本方法仅在ubuntu18.04上配置。
1.项目源码下载：
git clone https://github.com/BertaBescos/DynaSLAM.git
2.对应环境配置 tensorflow：1.12.3 keras：2.0.9 python2.7(ubuntu18.04自带)
2.1 pip安装keras2.0.9
pip install keras==2.0.9 -i https://pypi.tuna.tsinghua.edu.cn/simple/
若缺少pip命令，安装即可。
sudo apt install python-pip
2.2 pip安装tensorflow：1.12.3
https://pypi.tuna.tsinghua.edu.cn/simple/
下载tensorflow-1.12.3-cp27-cp27mu-manylinux1_x86_64.whl
到下载tensorflow-1.12.3-cp27-cp27mu-manylinux1_x86_64.whl的位置如/home 执行以下命令:
sudo pip install tensorflow-1.12.3-cp27-cp27mu-manylinux1_x86_64.whl -i https://pypi.tuna.tsinghua.edu.cn/simple/
2.3安装scikit-image(使用pip安装）
sudo apt-get install libblas-dev liblapack-dev
sudo pip install scikit-image
2.4 安装所有需要的依赖，依次执行即可(很多问题出在这，提前安装好)
sudo apt-get install libboost-all-dev
sudo apt install libcanberra-gtk-module -y
pip install protobuf==3.17.3
3.Mask RCNN配置：
3.1下载coco git clone https://github.com/waleedka/coco.git （下载在英文路径上）
cd coco/PythonAPI
make
sudo make install
运行完成后将coco/PythonAPI/中的pycocotools文件夹复制到Dynaslam/src/python
3.2修改Dynaslam/src/python中的Check.py文件
第17行改为:ROOT_DIR = "./"
3.3下载网站中的Mask R-CNN 1.0中的mask_rcnn_coco.h5放在Dynaslam/src/python
Releases · matterport/Mask_RCNN · GitHub
3.4在 Dynaslam/src/python下运行
python Check.py
4.源码安装opencv2.4.11
ubuntu18.04安装opencv2.4.11出现很多问题。这里依次执行命令即可。
4.1官网下载opencv源码 sources
Releases - OpenCV
解压提取文件。
4.2ubuntu18.04自带安装gcc-7/g++-7，cmake时选择切换为gcc-5/g++-5
打开终端,安装gcc-5/g++-5
sudo apt-get install gcc-5
sudo apt-get install g++-5
cd ..
cd ..
cd /usr/bin
sudo rm gcc
sudo ln -s gcc-5 gcc
sudo rm g++
sudo ln -s g++-5 g++
进入opencv-2.4.11文件夹
4.3将/opencv-2.4.11/cmake中的OpenCVDetectCXXCompiler.cmake替换为网盘中的内容：
https://pan.baidu.com/share/init?surl=FB3R7dQx1UO6TU3tSuuKdw
提取码：dyna
cd opencv-2.4.11
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=bulid -D ENABLE_PRECOMPILED_HEADERS=OFF -D WITH_FFMPEG=OFF -D CMAKE_INSTALL_PREFIX=/usr/local/opencv2.4.11 -D CUDA_GENERATION=Kepler ..
注意：安装路径在usr/local/opencv2.4.11
4.4cmake后，切换为gcc-7/g++-7make
打开终端
cd ..
cd ..
cd /usr/bin
sudo rm gcc
sudo ln -s gcc-7 gcc
sudo rm g++
sudo ln -s g++-7 g++
找到opencv-2.4.11/build/modules/contrib/CMakeFiles/opencv_contrib.dir/flags.make文件，删掉-Werror=address，然后make，建议多线程编译，我电脑是8核。
sudo make -j8
sudo make install
5.dynaslam编译
5.1CMakeLists.txt注释末尾的以下代码
#add_executable(mono_carla)
#Examples/Monocular/mono_carla.cc)
#target_link_libraries(mono_carla ${PROJECT_NAME})
5.2进入src中viewer.cc，按Ctrl+F查找imshow，我们可以看到2个imshow，而且调用之前没有判断，会在某些情况导致程序终止。我们将下面两句话依次对应替换即可（其实就是先if(!image.empty())判断一下）。
if(!im.empty()){cv::imshow("DynaSLAM: Current Frame",im);}
if(!im_dyn.empty()){cv::imshow("DynaSLAM: Dynamic Frame", im_dyn);}
5.3 cd Dynaslam编译
chmod +x build.sh
./build.sh
6.一些不一定需要的操作
如果完全按照我的操作来，应该不会报错，最近一次没执行也成功。
6.1 CMakeLists.txt " -march=native " 删除
6.2 对于5.2的操作，其实不影响编译。
7.Dynaslam运行
./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM3.yaml /home/ljq/TUM/rgbd_dataset_freiburg3_walking_xyz Examples/RGB-D/associations/fr3_walking_xyz.txt maskpath inpaintedFrame
./Examples/RGB-D/rgbd_tum是运行命令，Vocabulary/ORBvoc.txt Examples/RGB-D/TUM3.yaml是配置文件yaml路径，/home/ljq/TUM/rgbd_dataset_freiburg3_walking_xyz是我的fr3_walking_xyz路径，Examples/RGB-D/associations/fr3_walking_xyz.txt的fr3_walking_xyz.txt其实是TUM数据集执行python associate.py rgb.txt depth.txt > associations.txt后生成的associations.txt，在源码的associations中一共有8个。
其中maskpath和inpaintedFrame是自己创建的目录，maskpask如果不指定的话就不调用深度学习框架进行动态目标检测，inpaintedFrame如何不指定的话就不进行背景修复，运行中如果出现错误初始化不成功，可以在tum文件中修改（提高）特征点数目（gedit Examples/RGB-D/TUM3.yaml）（默认1000，改为3000）
