Ubuntu 18.04 ——— VINS-Mono运行与EVO的评测与使用

已于 2022-04-01 14:30:08 修改
阅读量6.7k 收藏 123
点赞数 10
分类专栏： VIO 文章标签： ubuntu linux 运维
于 2022-03-19 06:30:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38364548/article/details/123545030
版权

Ubuntu 18.04 ——— VINS-Mono运行与EVO的评测与使用

一、运行环境搭建

1. VINS-Mono安装

本次运行过程是在以前安装的VINS-Mono环境基础之上，详细的安装过程见我的另一篇博客Ubuntu18.04 —— 安装环境及运行Vins_mono（2022年）

2. EVO安装

详细的安装过程见我的另一篇博客Ubuntu 18.04 ——— VIO算法评测工具EVO的安装与使用

3. 数据集

Euroc数据集：数据集采用MH_01_easy.bag。

二、VINS-Mono运行

1. vins-mono代码修改

由于VINS-Mono保存的轨迹格式与EVO所使用的格式不同，VISNmono输出的轨迹格式不符合tum数据集和euroc数据集的格式。因此需要对源代码就行修改，更改保存轨迹的格式。

visualization.cpp（第一处）

源代码位置：vins_estimator/src/utility/visualization.cpp
在这里插入图片描述

	 // write result to file
	 ofstream foutC(VINS_RESULT_PATH, ios::app);
	 foutC.setf(ios::fixed, ios::floatfield);
	 foutC.precision(0);
	 foutC << header.stamp.toSec() * 1e9 << ",";
	 foutC.precision(5);
	 foutC << estimator.Ps[WINDOW_SIZE].x() << ","
	       << estimator.Ps[WINDOW_SIZE].y() << ","
	       << estimator.Ps[WINDOW_SIZE].z() << ","
	       << tmp_Q.w() << ","
	       << tmp_Q.x() << ","
	       << tmp_Q.y() << ","
	       << tmp_Q.z() << ","
	       << estimator.Vs[WINDOW_SIZE].x() << ","
	       << estimator.Vs[WINDOW_SIZE].y() << ","
	       << estimator.Vs[WINDOW_SIZE].z() << "," << endl;

修改后：

 // write result to file
	 ofstream foutC(VINS_RESULT_PATH, ios::app);
	 foutC.setf(ios::fixed, ios::floatfield);
	 foutC.precision(9);
	 foutC << header.stamp.toSec() << " ";
	 foutC.precision(5);
	 foutC << estimator.Ps[WINDOW_SIZE].x() << " "
	       << estimator.Ps[WINDOW_SIZE].y() << " "
	       << estimator.Ps[WINDOW_SIZE].z() << " "
	       << tmp_Q.x() << " "
	       << tmp_Q.y() << " "
	       << tmp_Q.z() << " "
	       << tmp_Q.w() << endl;
	       //<< estimator.Vs[WINDOW_SIZE].x() << ","
	       //<< estimator.Vs[WINDOW_SIZE].y() << ","
	       //<< estimator.Vs[WINDOW_SIZE].z() << "," << endl;

pose_graph.cpp（第二处）

源代码位置：pose_graph/src/pose_graph.cpp
具体位置： /pose_graph/src/pose_graph.cpp 在函数 addKeyFrame() 中

if (SAVE_LOOP_PATH)
{
		    ofstream loop_path_file(VINS_RESULT_PATH, ios::app);
        loop_path_file.setf(ios::fixed, ios::floatfield);
        loop_path_file.precision(0);
        loop_path_file << cur_kf->time_stamp * 1e9 << ",";
        loop_path_file.precision(5);
        loop_path_file  << P.x() << ","
              << P.y() << ","
              << P.z() << ","
              << Q.w() << ","
              << Q.x() << ","
              << Q.y() << ","
              << Q.z() << ","
              << endl;
        loop_path_file.close();
 }

修改为：

if (SAVE_LOOP_PATH)
{
		    ofstream loop_path_file(VINS_RESULT_PATH, ios::app);
        loop_path_file.setf(ios::fixed, ios::floatfield);
        loop_path_file.precision(9);
        loop_path_file << cur_kf->time_stamp  << " ";
        loop_path_file.precision(5);
        loop_path_file  << P.x() << " "
              << P.y() << " "
              << P.z() << " "
              << Q.x() << " "
              << Q.y() << " "
              << Q.z() << " "
              << Q.w() << endl;
        loop_path_file.close();
 }

pose_graph.cpp（第三处）

源代码位置：pose_graph/src/pose_graph.cpp
具体位置： /pose_graph/src/pose_graph.cpp 在函数 updatePath() 中

if (SAVE_LOOP_PATH)
        {
            ofstream loop_path_file(VINS_RESULT_PATH, ios::app);
            loop_path_file.setf(ios::fixed, ios::floatfield);
            loop_path_file.precision(0);
            loop_path_file << (*it)->time_stamp * 1e9 << ",";
            loop_path_file.precision(5);
            loop_path_file  << P.x() << ","
                  << P.y() << ","
                  << P.z() << ","
                  << Q.w() << ","
                  << Q.x() << ","
                  << Q.y() << ","
                  << Q.z() << ","
                  << endl;
            loop_path_file.close();
        }

修改为：

if (SAVE_LOOP_PATH)
        {
            ofstream loop_path_file(VINS_RESULT_PATH, ios::app);
            loop_path_file.setf(ios::fixed, ios::floatfield);
            loop_path_file.precision(9);
            loop_path_file << (*it)->time_stamp << " ";
            loop_path_file.precision(5);
            loop_path_file  << P.x() << " "
                  << P.y() << " "
                  << P.z() << " "
                  << Q.x() << " "
                  << Q.y() << " "
                  << Q.z() << " "
                  << Q.w() << endl;
            loop_path_file.close();
        }

2. 修改VINS-mono运行参数

在路径 VINS-Mono/config/euroc 下有配置文件 euroc_config.yaml

output_path： 设置轨迹保存位置
pose_graph_save_path 设置位姿图保存位置
loop_closure: 0 表示不使用回环 1表示使用回环
estimate_td: 0表示不估计传感器之间的延时 1表示启动

默认值：
在这里插入图片描述
这里切记需要修改output_path路径(切记切记，血泪教训！！！！！！)，修改为自己可以找到的，本文修改为：/home/sfann/output/

在这里插入图片描述

3. 重新编译

修改、设置完成之后，vins_mono代码重新编译catkin_make

cd ~/catkin_ws
catkin_make
source ~/catkin_ws/devel/setup.bash

4.运行代码获得轨迹信息

在catkin_ws文件夹下打开打开四个终端分别运行以下命令：

roscore
//不要忘记设置环境变量：source devel/setup.bash
roslaunch vins_estimator euroc.launch 
roslaunch vins_estimator vins_rviz.launch
rosbag play MH_01_easy.bag

在这里插入图片描述

三、EVO评测

1. 单条轨迹

euroc数据集evo只支持tum格式的绘制，使用euroc格式转tum格式的工具把他转成tum格式；
MH_01_easy的ASL Dataset Format格式，所以当我们下载完成后，解压，进入到该文件下的state_groundtruth_estimate0文件夹中，我们会发现里面有一个data.csv文件
在这里插入图片描述

在state_groundtruth_estimate0/文件夹下打开终端，输入以下命令：
在这里插入图片描述

evo_traj euroc data.csv --save_as_tum// 将euroc格式的文件data.cs转成tum格式。生成data.tum

在这里插入图片描述

evo_traj 显示轨迹（无回环）

在这里插入图片描述

在自己修改output_path路径下，本文为：/home/sfann/output/下打开终端，输入以下命令：

evo_traj tum vins_result_no_loop.csv -p --plot_mode=xyz

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

evo_ape 轨迹绝对位姿误差（无回环）

evo_ape euroc data.v ~/output/vins_result_no_loop.csv -va --plot --plot_mode xyz --save_results a.zip

sfann@sfann-virtual-machine:~/catkin_ws/MH_01_easy/mav0/state_groundtruth_estimate0$ evo_ape euroc data.v ~/output/vins_result_no_loop.csv -va --plot --plot_mode xyz --save_results a.zip
--------------------------------------------------------------------------------
Loaded 36382 stamps and poses from: data.csv
Loaded 1828 stamps and poses from: /home/sfann/output/vins_result_no_loop.csv
Synchronizing trajectories...
Found 1817 of max. 1828 possible matching timestamps between...
	data.csv
and:	/home/sfann/output/vins_result_no_loop.csv
..with max. time diff.: 0.01 (s) and time offset: 0.0 (s).
--------------------------------------------------------------------------------
Aligning using Umeyama's method...
Rotation of alignment:
[[-0.88919702 -0.4572827   0.01487224]
 [ 0.45736265 -0.88927727  0.00231253]
 [ 0.01216807  0.0088583   0.99988673]]
Translation of alignment:
[ 4.58596723 -1.65590688  0.77392137]
Scale correction: 1.0
--------------------------------------------------------------------------------
Compared 1817 absolute pose pairs.
Calculating APE for translation part pose relation...
--------------------------------------------------------------------------------
APE w.r.t. translation part (m)
(with SE(3) Umeyama alignment)

       max	0.349627
      mean	0.144090
    median	0.140709
       min	0.034373
      rmse	0.154609
       sse	43.433440
       std	0.056053

--------------------------------------------------------------------------------
Plotting results...

在这里插入图片描述
在这里插入图片描述

evo_traj 显示轨迹（有回环）

在/home/sfann/output路径下打开终端：（也就是vins_result_loop.txt所在文件夹下）

evo_ape euroc data.csv ~/output/vins_result_loop.csv -va --plot --plot_mode xyz --save_results a.zip

sfann@sfann-virtual-machine:~/catkin_ws/MH_01_easy/mav0/state_groundtruth_estimate0$ evo_ape euroc data.csv ~/output/vins_result_loop.csv -va --plot --plot_mode xyz --save_results a.zip
--------------------------------------------------------------------------------
Loaded 36382 stamps and poses from: data.csv
Loaded 1066 stamps and poses from: /home/sfann/output/vins_result_loop.csv
Synchronizing trajectories...
Found 1060 of max. 1066 possible matching timestamps between...
	data.csv
and:	/home/sfann/output/vins_result_loop.csv
..with max. time diff.: 0.01 (s) and time offset: 0.0 (s).
--------------------------------------------------------------------------------
Aligning using Umeyama's method...
Rotation of alignment:
[[-0.89004862 -0.45569582  0.01244084]
 [ 0.45583067 -0.8899868   0.0119118 ]
 [ 0.00564403  0.01627299  0.99985166]]
Translation of alignment:
[ 4.73616977 -1.8039814   0.80307506]
Scale correction: 1.0
--------------------------------------------------------------------------------
Compared 1060 absolute pose pairs.
Calculating APE for translation part pose relation...
--------------------------------------------------------------------------------
APE w.r.t. translation part (m)
(with SE(3) Umeyama alignment)

       max	0.150666
      mean	0.066654
    median	0.062614
       min	0.002118
      rmse	0.073419
       sse	5.713734
       std	0.030783

--------------------------------------------------------------------------------
Plotting results...

在这里插入图片描述
在这里插入图片描述

evo_ape 轨迹绝对位姿误差（有回环）

evo_ape euroc data.csv ~/output/vins_result_loop.csv -va --plot --plot_mode xyz --save_results b.zip

sfann@sfann-virtual-machine:~/catkin_ws/MH_01_easy/mav0/state_groundtruth_estimate0$ evo_ape euroc data.csv ~/output/vins_result_loop.csv -va --plot --plot_mode xyz --save_results b.zip
--------------------------------------------------------------------------------
Loaded 36382 stamps and poses from: data.csv
Loaded 1066 stamps and poses from: /home/sfann/output/vins_result_loop.csv
Synchronizing trajectories...
Found 1060 of max. 1066 possible matching timestamps between...
	data.csv
and:	/home/sfann/output/vins_result_loop.csv
..with max. time diff.: 0.01 (s) and time offset: 0.0 (s).
--------------------------------------------------------------------------------
Aligning using Umeyama's method...
Rotation of alignment:
[[-0.89004862 -0.45569582  0.01244084]
 [ 0.45583067 -0.8899868   0.0119118 ]
 [ 0.00564403  0.01627299  0.99985166]]
Translation of alignment:
[ 4.73616977 -1.8039814   0.80307506]
Scale correction: 1.0
--------------------------------------------------------------------------------
Compared 1060 absolute pose pairs.
Calculating APE for translation part pose relation...
--------------------------------------------------------------------------------
APE w.r.t. translation part (m)
(with SE(3) Umeyama alignment)

       max	0.150666
      mean	0.066654
    median	0.062614
       min	0.002118
      rmse	0.073419
       sse	5.713734
       std	0.030783

--------------------------------------------------------------------------------
Plotting results... 
--------------------------------------------------------------------------------
Saving results to b.zip...

在这里插入图片描述
在这里插入图片描述

可能报错

而带有回环检测的可能报错：[ERROR] TUM trajectory files must have 8 entries per row and no trailing delimiter at the end of the rows (space)，原因可能是数据中有逗号，保存格式不太一致。

解决方法，pose_graph_node.cpp中的main()函数 原本是csv文件，改成txt。

VINS_RESULT_PATH = VINS_RESULT_PATH + "/vins_result_loop.txt";

修改完成，重新编译catkin_make。

2. 多条轨迹

同时显示回环轨迹和真值轨迹

evo还可以将两个结果放在一个图中，进行对比。参数中的两个zip文件就是刚刚前面生成的。

evo_res a.zip b.zip -p --save_table table.csv

sfann@sfann-virtual-machine:~/catkin_ws/MH_01_easy/mav0/state_groundtruth_estimate0$ evo_res a.zip b.zip -p --save_table table.csv

APE w.r.t. translation part (m)
(with SE(3) Umeyama alignment)


                           max       mean     median         min       rmse  \
vins_result_no_lo...  0.349627    0.14409   0.140709   0.0343734   0.154609   
vins_result_loop.csv  0.150666  0.0666536  0.0626141  0.00211767  0.0734188   

                          sse        std  
vins_result_no_lo...  43.4334  0.0560525  
vins_result_loop.csv  5.71373  0.0307833

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

@曾记否
关注
  • 10
    点赞
  • 踩
  • 123
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
专栏目录
evo轨迹评估工具使用
qq_42731705的博客
04-17 5917
1.资料 视觉里程计的轨迹评估的工具：evo 安装和使用evo工具遇到的坑 evo_github_wiki evo_github 2.命令总结 2.1.两个指标命令，四个工具命令 指标命令： evo_ape - absolute pose error 绝对位姿误差 evo_rpe - relative pose error 相对位姿误差 工具命令： evo_traj - tool for analyzing, plotting or exporting one or more
针对于Vins-Mono中的评价工具evo中的评价参数的理解
qq_40464599的博客
01-03 3424
评价指标 绝对轨迹误差（ATE:abosulte trajectory error)：直接计算相机位姿的真实值与SLAM系统的估计值之间的差，程序首先根据位姿的时间戳将真实值和估计值进行对齐， 然后计算每对位姿之间的差值， 并最终以图表的形式输出， 该标准非常适合于评估视觉 SLAM 系统的性能。 相对位姿误差(RPE:relative pose error):用于计算相同两个时间戳上的位姿变化量的差， 同样， 在用时间戳对齐之后， 真实位姿和估计位姿均每隔一段相同时间计算位姿的变化量， 然后对该变化量
《视觉SLAM之VINS-Mono：安装配置、编译运行及测试数据包详解》，《视觉SLAM之VINS-Mono：安装、配置、代码注释和思维导图一应俱全》
ZDkcJpbb的博客
06-17 357
VINS-Mono作为一种基于紧耦合的VIO状态估计的视觉SLAM解决方案，具有广泛的应用前景和研究价值。本文通过介绍VINS-Mono的环境配置和编译运行，提供可测试的开源ROS数据包，并讲解其代码结构和思维导图，希望能够帮助读者更好地理解和应用VINS-Mono，并在相关领域做出贡献。VINS-Mono作为一种基于紧耦合的VIO状态估计的视觉SLAM解决方案，具有较高的成熟度和可落地性。通过了解VINS-Mono的代码结构和工作流程，读者可以更好地理解其底层原理和算法，并在实践中进行必要的定制和改进。
Ubuntu 18.04 ——— VINS-Fusion运行与EVO的评测与使用
曾记否@
03-23 9244
Ubuntu 18.04 ——— VINS-Fusion运行与EVO的评测与使用一、运行环境搭建1. VINS-Fusion安装1. 创建ros工作空间2. 编译VINS-Fusion2. EVO安装3. 数据集二、VINS-Fusion运行1.单相机+IMU2.Monocualr camera + IMU3.Stereo cameras + IMU4.Stereo cameras5.Stereo cameras + GPS6.VINS-Fusion代码修改1.visualization.cpp（第一处）2
【Linux配置二】Ubuntu18.04 配置并运行Vins_mono
a_happy_bird的博客
11-29 4786
一、安装前准备工作 1.配置Ubuntu软件库 首先，对Ubuntu软件库进行设置，选中前5个选项。源代码选择阿里云 2.更改Ubuntu软件源 可先忽略这步，当后面ROS安装速度较慢或出问题时，再返回这步重新设置。 首先，修改源文件，输入命令 sudo gedit /etc/apt/sources.list 打开后把配置文件内容修改如下： # deb cdrom:[Ubuntu 16.04 LTS _Xenial Xerus_ - Release amd64 (20160420.1)]/ xenial
Ubuntu 18.04 ——— ROVIO运行与EVO的评测与使用
曾记否@
03-24 2624
Ubuntu 18.04 ——— ROVIO运行与EVO的评测与使用一、运行环境搭建1. ROS安装2. ROVIO安装安装Kindr安装ROVIO（同时安装lightweight_filtering)3. EVO安装4. 数据集二、ROVIO运行1. 运行rovio_node.launch2. 运行数据集方法一方法二三、EVO评测1. 修改地图保存路径 一、运行环境搭建 1. ROS安装 详细的安装过程见我的另一篇博客Ubuntu18.04 —— 安装环境及运行Vins_mono（2022年） 2. RO
Ubuntu 18.04 ———Jetson nano +Intel RealSense D435i + 标定 + 运行VINS-Fusion（2022年）
曾记否@
10-19 2575
英伟达官方为Jetson Nano提供了SD卡版本的系统镜像，并且一直在更新和维护，该镜像中包含对应的Ubuntu系统以及配置好的cuda环境和opencv环境，因此只需要下载和安装该镜像即可完成Jetson Nano的大部分环境配置。连接外设(鼠标、键盘、显示器)并启动，这里如果我们要进行屏幕显示的启动，除了连接的HDMI显示器，鼠标和键盘也是必须要连接的，在Jetson Nano 2GB Developer Kit里面有描述。问题：rosdep update错误解决。解决：镜像版本太高，降低版本！
Vins-Fusion运行kitti,euroc和tum数据集并使用evo评估
schFallingCloud
06-22 5276
ubuntu下，Vins-Fusion运行kitti,euroc和tum数据集并使用evo评估
evo 安装与 vins 评估
qq_45520011的博客
02-23 268
evo
从零开始的Linux（6）——ubuntu18.04&D435i下跑通PL-VINS并evo评测
m0_69248655的博客
03-28 1256
详见该博客中提到的第三方库也一并安装。
Ubuntu 18.04 ———（Intel RealSense D435i）运行VINS-Mono
05-17
配置文件： rs_camera.launch realsense_color_config.yaml
ubuntu18.04安装net-tools
05-09
ubuntu18.04安装net-tools
ubuntu-18.04.6-server-arm64.iso
06-23
ubuntu-18.04.6-server-arm64.iso ubuntu arm64 aarch64位系统 ubuntu for arm64 ubuntu for aarch64
ubuntu-18.04.5-desktop-amd64.iso镜像
11-19
ubuntu-18.04.5-desktop-amd64.iso，ubuntu18.04.5镜像，官方资源，百度网盘下载链接
ubuntu-18.04.4-desktop-amd64.iso
04-16
ubuntu-18.04.4-desktop-amd64.iso
Ubuntu 24 PXE Server bios+uefi 自动化部署esxi 6 7 8
极致，细节
07-22 473
PXE（Preboot eXecution Environment，预启动执行环境）是一种网络启动协议，允许计算机通过网络启动而不是使用本地硬盘。PXE服务器是实现这一功能的服务器，它提供了启动镜像和引导加载程序，使得客户端计算机可以通过网络启动并安装操作系统或运行其他软件。TFTP服务器：用于提供启动镜像和引导加载程序。DHCP服务器：用于分配IP地址给客户端计算机。NFS或HTTP服务器：用于提供操作系统镜像和其他文件。atftpd。
ubuntu20.04使用systemd服务设置python程序开机自启动
u014220146的博客
07-23 249
在 Ubuntu 20 中使用 systemd 服务运行 Python 程序时，systemd 有自己的日志管理机制，不会直接生成 nohup.out 文件，而是将服务的输出重定向到系统日志中。5. 可能遇到‘permission denied’的问题，导致无法生成nohup.out文件，也可能生成空的nohup.out文件，直到程序遇到错误，才会生成out文件然后把错误日志输出。service文件内容如下。
ubuntu 22.04 安装部署gitlab详细过程
最新发布
CHNIM的博客
07-23 705
GitLab 是一个非常流行的 DevOps 平台，主要用于版本控制和源代码管理。它提供了许多优势，使其成为软件开发团队的首选工具之一。集中式与分布式版本控制GitLab 支持 Git，这是一种分布式版本控制系统，允许开发者在本地进行大部分工作，然后将更改推送到中心仓库。这提高了开发效率，并有助于避免冲突。项目管理功能GitLab 提供了项目管理工具，如问题跟踪、里程碑、标签、看板等，帮助团队更好地组织和跟踪项目进度。持续集成/持续部署 (CI/CD)
ubuntu18.04跑通vins-mono
06-28
### 回答1： 很高兴听到您想要在Ubuntu 18.04上运行VINS-Mono。以下是一些步骤，希望能帮助您完成这个任务： 1. 安装ROS：在Ubuntu 18.04上安装ROS，可以使用以下命令： ``` sudo apt-get install ros-melodic-desktop-full ``` 2. 安装依赖项：在安装VINS-Mono之前，需要安装一些依赖项。您可以使用以下命令来安装它们： ``` sudo apt-get install cmake libgoogle-glog-dev libatlas-base-dev libsuitesparse-dev libeigen3-dev ``` 3. 克隆VINS-Mono：使用以下命令克隆VINS-Mono： ``` git clone https://github.com/HKUST-Aerial-Robotics/VINS-Mono.git ``` 4. 编译VINS-Mono：进入VINS-Mono目录并编译它： ``` cd VINS-Mono mkdir build cd build cmake .. make -j4 ``` 5. 运行VINS-Mono：在VINS-Mono目录中，使用以下命令运行它： ``` roslaunch vins_estimator euroc.launch ``` 如果您想使用自己的数据，请将数据放入VINS-Mono/data文件夹中，并在euroc.launch文件中更改数据路径。 希望这些步骤能够帮助您在Ubuntu 18.04上成功运行VINS-Mono。如果您有任何问题，请随时问我。 ### 回答2： 首先，如果您尚未安装Ubuntu 18.04，请先完成此步骤。接下来，我们将讲解在Ubuntu 18.04上如何跑通VINS-Mono。 VINS-Mono是一个面向单目相机的视觉惯性里程计算法，它使用相机和IMU数据来计算三维运动轨迹。要在Ubuntu 18.04上能够跑通VINS-Mono，您需要执行以下步骤： 1.安装必要的依赖项 在终端中输入以下命令以确保所有依赖项都已安装： ``` sudo apt-get update sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev sudo apt-get install libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev ``` 2.获取VINS-Mono 在终端中输入以下命令以从GitHub上获取VINS-Mono源代码： ``` mkdir VINS-Mono cd VINS-Mono git clone https://github.com/HKUST-Aerial-Robotics/VINS-Mono.git ``` 3.安装必要的ROS依赖项 在终端中输入以下命令以安装VINS-Mono的ROS依赖项： ``` cd ../VINS-Mono rosdep install --from-paths src --ignore-src -r -y ``` 4.生成ROS工作区 在终端中输入以下命令以生成ROS工作区： ``` cd ../VINS-Mono catkin_make ``` 5.设置环境变量 在终端中输入以下命令以设置ROS工作区的环境变量： ``` source devel/setup.bash ``` 6.运行VINS-Mono 在终端中输入以下命令以启动VINS-Mono： ``` roslaunch vins_mono euroc.launch ``` 在运行VINS-Mono之前，您需要将存储Euroc数据集的文件夹路径添加到euroc.launch文件中。 现在，您应该已经成功地在Ubuntu 18.04上运行了VINS-Mono。跟随上述步骤，您可以轻松地安装和运行VINS-Mono，从而实现自己的项目和研究。 ### 回答3： VINS-Mono是一种单目视觉SLAM算法，用于机器人或者无人机的位置估计和地图构建。Ubuntu18.04是一种开源的操作系统，因此将这两个工具组合来使用是十分容易的。 首先，需要注意的是VINS-Mono需要安装ROS（机器人操作系统）来支持其运行，因此需要先安装ROS。ROS的安装可以通过官方网站（http://wiki.ros.org/melodic/Installation/Ubuntu）提供的步骤进行。其中，需要选择适当的ROS版本来与Ubuntu18.04兼容。建议选择ROS Melodic Morenia，这是针对Ubuntu18.04版本的ROS版本。 安装完成后，需要安装VINS-Mono包，可以通过以下命令进行安装： ``` $ sudo apt-get install ros-melodic-vins-mono ``` 其中，ros-melodic-vins-mono是VINS-Mono的ROS包。 接下来，安装状态估计器（state estimator）。状态估计器是使用VINS-Mono进行位置估计的必要工具。状态估计器常用的是MSCKF（Multi-State Constraint KalmanFilter）。 ``` $ sudo apt-get install ros-melodic-msckf ``` 接着，需要下载VINS-Mono的代码库，通过Git软件进行下载： ``` $ git clone https://github.com/HKUST-Aerial-Robotics/VINS-Mono.git ``` 在下载代码库之后，需要注意一些依赖项，这些依赖项可以通过以下命令进行安装： ``` $ sudo apt-get install libsuitesparse-dev liblapack-dev libblas-dev libopencv-dev ``` 安装完所有依赖项之后，可以运行VINS-Mono，可以通过以下命令使用roslaunch运行： ``` $ roslaunch vins_estimator vins_rviz.launch ``` 这将启动VINS-Mono和RVIZ（一种可视化工具），可用于显示结果。 总之，安装和运行VINS-Mono需要安装ROS、MSCKF、VINS-Mono代码库和VINS-Mono依赖项。如果按照以上步骤操作，则ubuntu18.04就可以跑通VINS-Mono。
评论 12
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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