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 · GitHub

python 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。