Ubuntu18.04配置BADSlam

相关软硬件版本说明

系统：Ubuntu18.04
显卡：RTX2060
显卡驱动：440.95.01
Cuda版本：Cuda10.1
Cudnn: 7.6.5
系统安装了ROS： Melodic
BADSLAM具有预编译和源码编译两个版本，本文选择后者，下载源码进行编译。
相关资源我已经上传到网盘中，可供下载：

链接：https://rec.ustc.edu.cn/share/9c98adf0-5ac3-11eb-afd7-632b29b78667
密码：af71

1、克隆源码

git clone https://github.com/ETH3D/badslam.git

2、安装依赖
按照官方网站上的说明安装即可，如下图所示：
其实可以直接进行下一步编译，然后发现缺少哪个库就直接在点击上面图中官网的链接安装即可。
记住安装g2o时，源码编译成功之后需要执行：

sudo make install

3、安装SuiteSparse

sudo apt-get install libsuitesparse-dev

3、开始编译

mkdir build_RelWithDebInfo
cd build_RelWithDebInfo
cmake -DCMAKE_BUILD_TYPE=RelWithDebInfo -DCMAKE_CUDA_FLAGS="-arch=sm_61" ..
make -j badslam

4、报错解决
（1）

/usr/local/include/DVision/BRIEF256.h:207:11: error: ‘cvtColor’ is not a member of ‘cv’
/usr/local/include/DVision/BRIEF256.h:284:12: error: ‘DUtils’ has not been declared

解决：

cd /usr/local/include/DVision
sudo gedit BRIEF256.h

添加下列三行：
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/opencv.hpp>
#include <DUtils/DUtils.h>
(2） Target “badslam_test” links to target “g2o::csparse_extension” but the target was not found. Perhaps a find_package() call is missing for an IMPORTED target, or an ALIAS target is missing?
解决办法：
找到文件夹applications/badslam/目录下的CMakeLists.txt文件
将如下代码进行更改，

  target_link_libraries(badslam_baselib
    PRIVATE
      opengv
      g2o::core
      g2o::types_slam3d
      g2o::solver_csparse
      g2o::csparse_extension
      ${SuiteSparse_LIBRARIES}
      g2o::stuff
      ${OpenCV_LIBS}
      ${DLib_LIBS}
      DBoW2
      ${realsense2_LIBRARY}
      ${OPENGL_LIBRARY}
      ${GLEW_LIBRARIES}
      ${X11_LIBRARIES}
      ${Boost_LIBRARIES}
    PUBLIC
      libvis
      libvis_cuda
  )

更改为：

  target_link_libraries(badslam_baselib
    PRIVATE
      opengv
      /usr/local/lib/libg2o_core.so
      /usr/local/lib/libg2o_types_slam3d.so
      /usr/local/lib/libg2o_solver_csparse.so
      /usr/local/lib/libg2o_csparse_extension.so
      ${SuiteSparse_LIBRARIES}
      /usr/local/lib/libg2o_stuff.so
      ${OpenCV_LIBS}
      ${DLib_LIBS}
      DBoW2
      ${realsense2_LIBRARY}
      ${OPENGL_LIBRARY}
      ${GLEW_LIBRARIES}
      ${X11_LIBRARIES}
      ${Boost_LIBRARIES}
    PUBLIC
      libvis
      libvis_cuda
  )

(3)/usr/local/include/g2o/core/base_fixed_sized_edge.h:174:32: error: ‘index_sequence’ is not a member of ‘std’
解决办法：
导致这个错误的原因是g2o版本过高，将20201220.git更换为20170730_git即可。
4、进行功能测试

make -j badslam_test
./build_RelWithDebInfo/applications/badslam/badslam_test

程序出现错误，无法运行：

libGLEW.so.2.2: cannot open shared object file: No such file or directory

解决办法：
在/根目录下查找libGLEW.so.2.2，发现文件在/usr/lib64中，将其加入到动态链接库的搜索路径中：

sudo gedit /etc/ld.so.conf

在文件末尾第二行直接添加/usr/lib64，然后执行下列命令即可：

sudo ldconfig

注：/etc/ld.so.conf.d/*目录下的文件和/etc/ld.so.conf记录了动态链接库的路径，系统默认搜索/lib和 /usr/lib，在其他路径下的库文件就需在这些文件中指定。
此时可能会报错：

 "too many resources requested for launch",

不用担心，后期会解决它。
5、数据集准备
新建calibration.txt文件，向其中输入内参，如下图所示:
准备rgb和depth文件夹，其中的图片以时间戳命名，点击链接下载TUM提供的时间戳对齐工具，然后输入以下命令：

python associate.py rgb.txt depth.txt > associated.txt

由此可以生成时间戳对齐文件associated.txt。
到此为止，就得到了BADSLAM需要的完整的数据集，一共有rgb、depth、calibration.txt和associated.txt四项，如下图所示：

6、resource文件准备
点击链接下载resource文件夹，官网提供的这个下载地址是谷歌网盘，一般用户可能无法登录，这里我将其上传到了本人的网盘中供大家下载地址为：

链接：https://rec.ustc.edu.cn/share/9c98adf0-5ac3-11eb-afd7-632b29b78667
密码：af71

在/ build_RelWithDebInfo/applications/badslam/下面新建一个resources文件夹，然后拷贝其中的brief_k10L6.voc 和 brief_pattern.yml两个文件到该文件夹中，此时文件结构如下：

- build_RelWithDebInfo
  - applications
    - badslam
      - badslam (executable file)
      - resources
        - brief_k10L6.voc (notice that this is compressed in the archive and needs to be extracted separately)
        - brief_pattern.yml

7、GPU测试
测试的数据集我已上传到网盘中，可供下载

python3 scripts/auto_tune_parameters.py /home/shiqi/MyProject/badslam/build_RelWithDebInfo/applications/badslam/badslam /media/shiqi/Dataset/AzureKinectDK/test --sequential_ba --sequential_loop_detection

命令执行完之后会发现在/badslam/applications/badslam/下生成一个auto_tuning_result.txt文件，将其拷贝到resource文件夹下。

8、运行badslam

./build_RelWithDebInfo/applications/badslam/badslam

在第一行选择后面“…”按钮中选择数据集路径，设置一下End frame，然后点击start即可，运行结果如下图所示：