RESLAM 开源项目使用教程

RESLAM 开源项目使用教程

RESLAM RESLAM: A real-time robust edge-based SLAM system 项目地址: https://gitcode.com/gh_mirrors/re/RESLAM

1. 项目介绍

RESLAM 是一个实时、鲁棒的基于边缘的 SLAM（Simultaneous Localization and Mapping）系统，专为 RGBD 传感器设计。边缘在不同光照条件下比原始强度值更稳定，这使得 RESLAM 在特征或光一致性方法经常失败的场景中表现更准确和鲁棒。

RESLAM 是一个研究项目，代码发布时没有任何保证，并且可能不会再进行进一步开发。

主要特点

• 实时性：能够在实时环境中运行。
• 鲁棒性：基于边缘的算法在不同光照条件下表现更稳定。
• 适用于 RGBD 传感器：特别适用于 RGBD 传感器，如 Kinect。

引用

如果您使用此工作，请引用以下出版物之一：

• RESLAM: A real-time robust edge-based SLAM system, Schenk Fabian, Fraundorfer Friedrich, ICRA 2019.
• Combining Edge Images and Depth Maps for Robust Visual Odometry, Schenk Fabian, Fraundorfer Friedrich, BMVC 2017.
• Robust Edge-based Visual Odometry using Machine-Learned Edges, Schenk Fabian, Fraundorfer Friedrich, IROS 2017.

2. 项目快速启动

系统要求

• Ubuntu 16.04 / 15.10 / 17.04
• OpenCV > 3
• Eigen > 3.3
• Ceres >= 1.13
• Sophus（包含在 thirdparty/Sophus 中）

构建步骤

1. 克隆仓库

   git clone https://github.com/fabianschenk/RESLAM.git
   cd RESLAM
   

2. 创建并进入构建目录

   mkdir build
   cd build
   

3. 生成构建文件

   cmake ..
   

4. 编译项目

   make -j
   

运行示例

在 RESLAM 目录下运行以下命令：

build/RESLAM config_files/reslam_settings.yaml config_files/dataset_tum1.yaml

3. 应用案例和最佳实践

应用案例

RESLAM 主要用于需要高精度定位和地图构建的场景，如机器人导航、增强现实和虚拟现实。

最佳实践

• 数据集准备：使用 TUM RGBD 数据集进行测试，并生成 associate.txt 文件。
• 多线程：启用多线程可能会导致结果略有不同，因为浮点加法在每次运行中执行的顺序不同。
• 错误处理：注意处理可能的段错误，特别是在深度图包含大部分无效值的情况下。

4. 典型生态项目

相关项目

• OpenCV：用于图像处理和计算机视觉任务。
• Eigen：用于线性代数运算。
• Ceres Solver：用于非线性优化问题。
• Sophus：用于李群和李代数的操作。

这些项目与 RESLAM 紧密结合，共同构成了一个完整的 SLAM 解决方案。

RESLAM RESLAM: A real-time robust edge-based SLAM system 项目地址: https://gitcode.com/gh_mirrors/re/RESLAM