Maplab开源VI-SLAM框架学习（三）使用ZR300

非常高兴拿到了ZR300，可以愉快地做实验了。首先用它跑了一下maplab框架的ROVIOLI部分，体验了一下，发现系统写的真是稳定啊，鲁棒性非常好，怎么晃都没事。下面针对使用过程做一个简单的介绍。

参考网址：maplab推荐驱动安装
maplab的ROVIOLI使用教程

一、ZR300介绍

1、参数

2、官网提到的亮点

一款集成鱼眼摄像头与一个带深度摄像头的惯性测量单元 (IMU)，为开发人员提供一系列新功能。 加之，配合英特尔® 实感™ SDK（Linux* 版），开发人员可实现以下功能：

（1）人体检测和跟踪、身体举动识别和姿势分析
（2）单物体或多物体检测、识别和跟踪
（3）六自由度跟踪（附带重新定位）、密集重建和占据地图绘制（同时定位和地图绘制）

3、硬件配置

这里要注意右侧有一个鱼眼摄像头，买过来的时候是用盖子盖子的，需要用手轻轻的拧开，因为maplab用的是鱼眼相机的图像，所以这里非常重要。

4、Intel官方SDK库

（1）SDK库中关于SLAM部分的介绍
（2）官网安装教程以及使用工具
Intel® RealSense™ SDK 2.0版本github
（3）SDK_1 github下载

二、ZR300驱动安装

1、在Ubuntu LTS 14.04系统终端里，输入如下指令：

#Installation for maplab users
sudo apt-get install ros-indigo-librealsense
cd catkin_maplab/src/
git clone https://github.com/ethz-asl/maplab_realsense.git
git clone  https://github.com/ethz-asl/cuckoo_time_translator.git
catkin build maplab_realsense

#Run maplab_realsense
source catkin_maplab/devel/setup.bash
 roslaunch maplab_realsense maplab_realsense.launch

2、可以看到终端输出相机信息：

3、查看一下相机各个tf关系：

4、最后查看一下发布的话题：

三、使用ZR300测试maplab的ROVIOLI

1、下载ZR300参数文件

从推荐网址下载三个yaml文件，也可以自己进行标定，使用kalibr工具箱进行标定。

官网强烈建立进行校准，列出了教程：
（1）使用Kalibr进行初始传感器校准
（2）传感器校准细化

这里就暂时不进行校准了，因为过程较复杂，就放在以后来吧。

2、将三个yaml文件放到指定目录下

3、制作启动文件

新建一个脚本文件test_ZR300.sh，输入如下代码：

#!/usr/bin/env bash
LOCALIZATION_MAP_OUTPUT=$1
NCAMERA_CALIBRATION="$ROVIO_CONFIG_DIR/ncamera.yaml"
IMU_PARAMETERS_MAPLAB="$ROVIO_CONFIG_DIR/imu-zr300-maplab.yaml"
IMU_PARAMETERS_ROVIO="$ROVIO_CONFIG_DIR/imu-zr300-rovio.yaml"
REST=$@

rosrun rovioli rovioli \
  --alsologtostderr=1 \
  --v=2 \
  --ncamera_calibration=$NCAMERA_CALIBRATION  \
  --imu_parameters_maplab=$IMU_PARAMETERS_MAPLAB \
  --imu_parameters_rovio=$IMU_PARAMETERS_ROVIO \
  --datasource_type="rostopic" \
  --save_map_folder="$LOCALIZATION_MAP_OUTPUT" \
  --map_builder_save_image_as_resources=false \
  --optimize_map_to_localization_map=false $REST

4、开始测试

打开终端，用sh test_ZR300.sh指令启动系统，就可以看到效果了，继续开心学习ing