SLAM 基于AI模型LiteSeg的驾驶场景语义分割

语义分割给图像里的每个像素打上类别标签从而实现对场景中所有物体的像素级精细分类与理解。这是输入图片运行程序后会生成分割掩模mask这是mask的图例这个LiteSeg模型效果非常好基本挑不出什么毛病。这是mask和原图的混合输入驾驶场景采集的图像输出分割出来的掩模AI模型由百度飞桨团队提供需要自己导出模型为onnx根据下面的文档PaddleSeg/configs/pp_liteseg/README.md at release/2.10 · PaddlePaddle/PaddleSeg · GitHubpython deploy/python/infer_onnx_trt.py \ --config configs/pp_liteseg/pp_liteseg_xxx.yml --width 1024 \ --height 512执行这个脚本会先把paddle模型导出为onnx模型然后用TensorRT Python执行推理。可以参考infer_onnx_trt.py写出C ONNXRUNTIME推理的代码测试通过之后转换模型再使用C TensorRT和C OpenVINO推理测试。经过up测试TensorRT和OpenVINO也可以推理结果相同有能力的小伙伴还可以用CUDA加速预处理和后处理哦。