基于NIOSII软核的流水灯

一.硬件设计
新建项目

Tools->Qsys启动Qsys工具

file->save保存文件，名为kernel

双击clk_0，设置时钟

添加Nios II Processor

保持默认

重命名为cpu

添加JTAG UART

保持默认配置

添加On-Chip Memory(RAM or ROM)

更改Total memory size为40960

添加PIO接口

保持默认设置

添加System ID Peripheral

保持默认设置

接线及基地址分配如下

指定NIOS II的复位和异常地址

生成Qsys系统（菜单栏中Generation->Generate）

Quartus建立原理图文件

Assignments->Setting添加.qip文件

原理图如下（注意output需要连接粗线）

芯片引脚选择（Assignments->Device）

编译成功

分配物理引脚

二.软件设计
Tools->Nios II Software Build Tools for Eclipse打开Eclipse

选择workplace

file–>new–>Nios II Application and BSP from Template建立新的软件应用

代码如下
#include "system.h"
#include "altera_avalon_pio_regs.h"
#include "alt_types.h"
const alt_u8
led_data[8]={0x01,0x03,0x07,0x0F,0x1F,0x3F,0x7F,0xFF};
int main (void) {
    int count=0;
    alt_u8 led;
    volatile int i;
    while (1)
    {
        printf("Hello world!\n");
        if (count==7)
        {count=0;}
        else
        {count++;}
        led=led_data[count];
        IOWR_ALTERA_AVALON_PIO_DATA(PIO_LED_BASE, led);
        i = 0;
        while (i<500000)
            i++;
    }
    return 0;
}

编译后得到结果如下

三.在ROS下，下载编译orbslam2代码，并在kitti数据集的一个序列图像中进行实验

在ROS（Robot Operating System）环境下使用ORB-SLAM2进行SLAM（Simultaneous Localization and Mapping）实验，并在KITTI数据集上运行，涉及多个步骤，包括环境配置、代码下载、编译、以及数据集的准备和测试。以下是一个详细的步骤指南：

1. 环境准备

首先，确保你的计算机上安装了ROS（推荐使用ROS Melodic或Noetic，因为这些版本被广泛支持）。同时，安装编译ORB-SLAM2所需的依赖项，如CMake、OpenCV、Pangolin（用于可视化）、Eigen（线性代数库）等。

安装ROS（以Ubuntu 18.04和ROS Melodic为例）

	sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'
	sudo apt install curl
	curl -s https://raw.githubusercontent.com/ros/rosdistro/master/ros.asc | sudo apt-key add -
	sudo apt update
	sudo apt install ros-melodic-desktop-full
	sudo rosdep init
	rosdep update
	echo "source /opt/ros/melodic/setup.bash" >> ~/.bashrc
	source ~/.bashrc
	sudo apt install python-rosdep
	sudo rosdep install --from-paths src --ignore-src -r -y

安装其他依赖

	sudo apt-get install libopencv-dev
	sudo apt-get install libpangolin-dev
	sudo apt-get install libeigen3-dev

2. 下载ORB-SLAM2

从GitHub下载ORB-SLAM2的源代码：

	git clone https://github.com/raulmur/ORB_SLAM2.git
	cd ORB_SLAM2

3. 编译ORB-SLAM2

在ORB_SLAM2目录下，创建一个build文件夹并编译项目：

	mkdir build
	cd build
	cmake ..
	make -j4

4. 准备KITTI数据集

下载KITTI数据集，通常你会需要下载包含图像和对应位姿信息的部分。对于SLAM测试，你可以从KITTI Vision Benchmark Suite中选择合适的序列（如00-08序列）。

5. 修改ORB-SLAM2以适配KITTI数据集

ORB-SLAM2默认不支持KITTI数据集格式，因此你需要修改代码以读取KITTI的位姿文件（通常是.txt格式），并在ROS中发布这些数据。这通常涉及到修改Examples/ROS/ORB_SLAM2/src/ros_mono_orb_slam2.cc或其他相关文件，以读取KITTI的特定格式。

6. 在ROS中运行ORB-SLAM2

一旦修改好代码并编译成功，你可以通过ROS运行ORB-SLAM2，并通过ROS的节点发布和订阅功能与其他ROS节点交互。

7. 测试和验证

运行ORB-SLAM2节点，并使用ROS的工具（如rqt_image_view或rviz）来查看SLAM的结果。比较ORB-SLAM2生成的轨迹与KITTI提供的真实轨迹，以评估性能。

注意事项

• 确保你理解ORB-SLAM2的代码结构和ROS的节点通信机制。
• 在处理KITTI数据集时，注意数据的时间戳和同步问题。
• 如果需要实时性能评估，考虑使用ROS的实时性能分析工具。

以上步骤应该能帮助你在ROS环境下使用ORB-SLAM2在KITTI数据集上进行实验。不过，由于ORB-SLAM2和ROS的集成相对复杂，具体实现细节可能需要根据你的具体需求进行调整。

四.总结
本次实验参考指导书及学长学姐博客总体没有太大的问题，对于理论知识更加了解，遇到的问题主要为原理图处output需要用粗线，不然会编译错误。以及命名的问题，这次需要命名对应的地方不多，但是仍需注意。