SLAM算法与工程实践——SLAM基本库的安装与使用(3):Pangolin库

SLAM算法与工程实践系列文章

下面是SLAM算法与工程实践系列文章的总链接,本人发表这个系列的文章链接均收录于此

SLAM算法与工程实践系列文章链接


下面是专栏地址:

SLAM算法与工程实践系列专栏



前言

这个系列的文章是分享SLAM相关技术算法的学习和工程实践


SLAM算法与工程实践——SLAM基本库的安装与使用(3):Pangolin库

Pangolin

安装

(建议源码安装)

强烈推荐

Pangolin 0.6(稳定版) 提取码:45bo

We use Pangolin for visualization and user interface。

下载和安装说明可在以下位置找到:https://github.com/stevenlovegrove/Pangolin

按官网最新的说明

# Clone Pangolin along with it's submodules
git clone --recursive https://github.com/stevenlovegrove/Pangolin.git

cd Pangolin

# See what package manager and packages are recommended
# 根据脚本一键安装推荐的包
./scripts/install_prerequisites.sh --dry-run recommended

# Override the package manager choice and install all packages
./scripts/install_prerequisites.sh -m brew all

然后是配置和编译

# Configure and build
# 注意下面的两个命令都要执行,且是顺序执行
cmake -B build
cmake --build build

# with Ninja for faster builds (sudo apt install ninja-build)
cmake -B build -GNinja
cmake --build build

# GIVEME THE PYTHON STUFF!!!! (Check the output to verify selected python version)
cmake --build build -t pypangolin_pip_install

# Run me some tests! (Requires Catch2 which must be manually installed on Ubuntu.)
ctest

脚本一键安装依赖

在这里插入图片描述

install_prerequistites.sh文件的最后一行是安装库的命令

在这里插入图片描述

编译

在这里插入图片描述

Pangolin编译完成后,看一下有没有安装,如果没有安装就进入build文件夹进行安装

cd build
sudo make install

安装完成后更新一下共享库的缓存

sudo ldconfig

验证

cd ../examples/HelloPangolin
mkdir build && cd build
cmake ..
make -j
./HelloPangolin

若安装成功,则会弹出以下窗口:

在这里插入图片描述

在这里插入图片描述

以下为老安装方法

1)安装依赖项

sudo apt-get install libglew-dev
sudo apt-get install libboost-dev libboost-thread-dev libboost-filesystem-dev
sudo apt-get install libpython2.7-dev

2)安装 Pangolin

git clone https://github.com/stevenlovegrove/Pangolin.git
cd Pangolin
mkdir build
cd build
cmake -DCPP11_NO_BOOSR=1 ..
make -j
sudo make install

这里的老版本教程可供参考,两种编译方法结果一样

错误

找不到 OpenGL

在编译Pangolin时,报错找不到 OPENGL

CMake Error at /usr/share/cmake-3.16/Modules/FindPackageHandleStandardArgs.cmake:146 (message):
  Could NOT find OpenGL (missing: OPENGL_opengl_LIBRARY OPENGL_glx_LIBRARY
  OPENGL_INCLUDE_DIR)
Call Stack (most recent call first):
  /usr/share/cmake-3.16/Modules/FindPackageHandleStandardArgs.cmake:393 (_FPHSA_FAILURE_MESSAGE)
  /usr/share/cmake-3.16/Modules/FindOpenGL.cmake:397 (FIND_PACKAGE_HANDLE_STANDARD_ARGS)
  components/pango_opengl/CMakeLists.txt:45 (find_package)
  CMakeLists.txt:114 (include)

原因是没有OpenGL,安装ros后就可以正常编译了

在这里插入图片描述

在这里插入图片描述

libpango_windowing.so

编译完成后,在测试Pangolin的例子时报错,找不到libpango_windowing.so

./HelloPangolin: error while loading shared libraries: libpango_windowing.so: cannot open shared object file: No such file or directory

在这里插入图片描述

解决办法:

参考:error while loading shared libraries: libpango_windowing.so: cannot open shared object file: No such

输入命令

sudo ldconfig

然后就可以正常运行

在这里插入图片描述

  • 6
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 答:ORB-SLAM3实跑教程实际上是一个相对复杂的过程,它需要有良好的编程基础和熟悉slam基本概念。不过,我们可以尝试简单地介绍一下ORB-SLAM3的安装流程:首先,确保系统中安装了必要的依赖;其次,下载ORB-SLAM3源代码;然后,编译源文件;最后,将数据集放入ORB-SLAM3中,运行程序即可。 ### 回答2: ORB-SLAM3是一种用于视觉定位与建图的开源算法,它可以在实时环境下对相机进行感知与定位。以下是关于ORB-SLAM3实跑教程的简要解释: 首先,安装必要的软件与依赖项。ORB-SLAM3依赖于C++11,OpenCV(3.0或以上版本),Pangolin,Eigen和g2o等。确保这些已正确安装并配置。 其次,准备数据集或相机。ORB-SLAM3可以使用预先录制的数据集或实时相机输入进行运行。如果使用数据集,可以将其转换成适用于ORB-SLAM3的格式(如KITTI格式),或直接使用ORB-SLAM3提供的数据集。 然后,编译和构建ORB-SLAM3。使用CMake来配置并生成项目,然后使用make命令进行构建。确保编译过程没有错误,并生成了可执行文件。 接下来,配置ORB-SLAM3的参数。ORB-SLAM3提供了一个参数文件,可以在运行前进行修改并调整算法的行为。参数文件中包含了各种参数,如相机的内外参数,特征提取与匹配的设置等。 最后,运行ORB-SLAM3。在命令行中运行ORB-SLAM3的可执行文件,并提供配置好的参数文件和数据集路径(或实时相机端口)作为输入参数。ORB-SLAM3将开始读取数据并执行视觉定位与建图的任务。 在实际运行中,ORB-SLAM3会通过图像序列或相机输入进行特征提取、特征匹配、位姿估计、地图维护等算法步骤,从而实现相机的定位与建图。ORB-SLAM3还提供了用户界面和可视化工具,可以实时显示相机的轨迹、特征点、地图更新等信息。 总结来说,ORB-SLAM3实跑教程包括安装依赖项、准备数据集或相机、编译构建、配置参数和运行算法等步骤。通过按照这个教程进行操作,可以使用ORB-SLAM3进行实时的视觉定位与建图任务。 ### 回答3: ORB-SLAM3是一个开源的视觉SLAM系统,被广泛应用于机器人和增强现实等领域。以下是关于ORB-SLAM3实跑教程的简要介绍。 首先,为了开始实跑ORB-SLAM3,我们需要确保系统已满足运行该系统所需的最低要求。ORB-SLAM3可在Linux和Windows操作系统上运行,并且需要至少8GB的内存和一块支持CUDA的显卡。此外,还需要安装OpenCV、Eigen和Pangolin。 接下来,我们需要下载ORB-SLAM3的源代码并进行编译。在终端中进入ORB-SLAM3的源代码目录,并执行编译命令。根据操作系统的不同,编译命令也有所不同。 编译完成后,我们需要准备用于测试的数据集。ORB-SLAM3可以通过ROS bag文件或与TUM数据集格式兼容的数据集进行测试。将数据集文件放置在指定的路径下,并确保数据集的格式正确。 接下来,我们需要配置ORB-SLAM3的参数。通过编辑配置文件,我们可以设置相机的内外参数、特征提取与描述子的参数以及地图生成的相关参数。对于不同的任务和数据集,参数的选择可能会略有不同。 最后,我们可以执行ORB-SLAM3的可执行文件进行实跑。运行后,ORB-SLAM3会读取相机数据并实时计算相机的位姿,并生成一个稀疏的地图。在运行过程中,ORB-SLAM3还可以显示相机位姿和地图点云等信息,并将结果保存到指定的文件中。 总之,ORB-SLAM3实跑教程主要包括准备系统环境、编译源代码、准备数据集、配置参数和执行可执行文件等步骤。通过以上步骤,我们可以方便地使用ORB-SLAM3进行视觉SLAM任务的实跑。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值