使用zed摄像头+ros kinetic跑ORB_SLAM2

1.zed-ros-wrapper安装

sudo apt-get install libpcl1
sudo apt-get install ros-kinetic-pcl-ros 
cd ~/catkin/src
git clone https://github.com/stereolabs/zed-ros-wrapper
cd ~/catkin
catkin_make zed-ros-wrapper
source ./devel/setup.bash

详情可以查看官方文档http://wiki.ros.org/zed-ros-wrapper

此外里面列举了该package中可以发布的话题：

• Left camera

  • /zed/rgb/image_rect_color : Color rectified image (left RGB image by default).

  • /zed/rgb/image_raw_color : Color unrectified image (left RGB image by default).

  • 5.使用zed的其中的单个摄像头，进行单目slam/zed/rgb/camera_info : Camera calibration data.

  • /zed/left/image_rect_color : Color rectified left image.

  • /zed/left/image_raw_color : Color unrectified left image.

  • /zed/left/camera_info : Left camera calibration data.

• Right camera

  • /zed/right/image_rect_color : Color rectified right image.

  • /zed/right/image_raw_color : Color unrectified right image.

  • /zed/right/camera_info : Right camera calibration data.

• Depth and point cloud

  • /zed/depth/depth_registered : Depth map image registered on left image (by default 32 bits float, in meters).

  • /zed/point_cloud/cloud_registered : Registered color point cloud.

  • /zed/confidence/confidence_image : Confidence image.

  • /zed/confidence/confidence_map : Confidence image. (Floating Point values)

  • /zed/disparity/disparity_image : Disparity image

• Tracking

  • /zed/odom : Absolute 3D position and orientaton relative to the odometry frame. (pure visual odometry)

  • /zed/map : Absolute 3D position and orientation relative to the map frame. (Sensor Fusion algorithm)

• Inertial Data

  • /zed/imu/data : Accelerometer, Gyroscope and Orientation data in Earth frame.

  • /zed/imu/data_raw : Accelerometer and Gyroscope data in Earth frame.

其中标红色的是我本次所使用的两个topic，它们发布的信息格式为sensor_msgs/Image。

2.ORB_SLMA2安装文档

参考链接https://github.com/raulmur/ORB_SLAM2

• 安装Pangolin

参考链接https://github.com/stevenlovegrove/Pangolin

安装依赖：C++11 、OpenGL、 Glew、CMake

git clone https://github.com/stevenlovegrove/Pangolin.git
cd Pangolin
mkdir build
cd build
cmake ..
cmake --build .

3.OPENCV,Eigen3

我之前安装好了，ros会自带，如果需要请自行安装。顺带一题，这个ORB_SLAM2不用依赖ros也是可以的，只是ros比较方便而已(废话)。

DBoW2 and g2o 在ORB_SLAM库里自带。

 

4.安装ORB_SLAM2

git clone https://github.com/raulmur/ORB_SLAM2.git ORB_SLAM2
cd ORB_SLAM2
chmod +x build.sh
./build.sh

执行./build.sh中会安装DBoW2 and g2o 。

不过我电脑出现一个问题，在make -j时，执行一半电脑会卡死。于是我将build.sh文件中的-j删除就顺利安装了。有朋友知道这个问题可以留言，让我学习学习。

5.编译ros-example节点

export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:PATH/ORB_SLAM2/Examples/ROS
chmod +x build_ros.sh
./build_ros.sh

在这里也会出现编译错误”/usr/bin/ld: CMakeFiles/Stereo.dir/src/ros_stereo.cc.o: undefined reference to symbol “的问题，我们需要在/home/teun/ORB_SLAM2/Examples/ROS/ORB_SLAM2/CMakeList.txt文件里添加一句：

set(LIBS
${OpenCV_LIBS}
${EIGEN3_LIBS}
${Pangolin_LIBRARIES}
${PROJECT_SOURCE_DIR}/../../../Thirdparty/DBoW2/lib/libDBoW2.so
${PROJECT_SOURCE_DIR}/../../../Thirdparty/g2o/lib/libg2o.so
${PROJECT_SOURCE_DIR}/../../../lib/libORB_SLAM2.so
-lboost_systeml 或者 -lboost_system
)

那么我们就安装完成了。

5.使用zed的其中的单个摄像头，进行单目slam

首先我们打开文件夹/home/xp/catkin_ws/src/ORB_SLAM2/Examples/ROS/ORB_SLAM2，可以看到编译好的几个可执行文件

如果没有看到那就没有编译好。

我们打开src中的ros_mono.cc，将里面的订阅话题改为zed发布的话题：

    ros::Subscriber sub = nodeHandler.subscribe("/zed/left/image_raw_color", 1, &ImageGrabber::GrabImage,&igb);

我使用的是左摄像头数据，当然你们选择什么都可以。这里我是用的zed，你们可以用电脑自带的摄像头也是ok的，不过你需要将其rgb数据给发布出来。

另外更改在目录/home/xp/catkin_ws/src/ORB_SLAM2/Examples/ROS/ORB_SLAM2下Asus.yaml里的信息，这里是摄像头的内参等信息。

摄像头发布的分辨率和帧率可以在zed.launch文件中查看！！

我们可以直接使用zed-SDK里对zed进行标定的参数。标定参数在/usr/local/zed/settings文件夹里。将信息填入Asus.yaml里。

当然，你需要先安装ZED-SDK,如果使用自己的摄像头也需要自己进行标定。

更改程序后需要重新./build_ros.sh编译！！！！！！！！！！！！！！

6.运行实现单目slam

roslaunch zed_wrapper zed.launch

rosrun ORB_SLAM2 Mono /home/xp/catkin_ws/src/ORB_SLAM2/Vocabulary/ORBvoc.txt /home/xp/catkin_ws/src/ORB_SLAM2/Examples/ROS/ORB_SLAM2/Asus.yaml 

如果是双目，你需要降低分辨率和帧率进行测试，不然会崩掉的。

roslaunch zed_wrapper zed.launch

rosrun ORB_SLAM2 Stereo /home/xp/catkin_ws/src/ORB_SLAM2/Vocabulary/ORBvoc.txt /home/xp/catkin_ws/src/ORB_SLAM2/Examples/ROS/ORB_SLAM2/EuRoC.yaml true

结果良好，点云图为稀疏图，双目效果不如单目，估计是双目对电脑性能要求太高吧！有问题可以留言讨论。