ORB_SLAM3安装运行&性能测试对比

02468.

已于 2024-02-27 10:59:00 修改

阅读量6.1k

点赞数 10

分类专栏： SLAM 文章标签： slam evo linux

于 2021-10-16 16:06:48 首次发布

本文链接：https://blog.csdn.net/qq_41917452/article/details/120784338

版权

SLAM 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

四、与ORB_SLAM2/VINS-Mono性能对比

一、安装

环境：ubtuntu16

处理器:i7-8700CPU@3.2GHz×12

内存：64G

第三方库：Pangolin opencv3.2 Eigen3

（1）下载源码

https://github.com/UZ-SLAMLab/ORB_SLAM3

ORB-SLAM3论文地址：https://arxiv.org/abs/2007.11898

（2）编译

cd ORB-SLAM3/
chmod +x build.sh
sudo ./build.sh

（3）遇到问题

/home/one/catkin_ws/src/ORB_SLAM3/src/LocalMapping.cc:628:49: error: no match for ‘operator/’ (operand types are ‘cv::Matx<float, 3, 1>’ and ‘float’) x3D = x3D_h.get_minor<3,1>(0,0) / x3D_h(3); KannalaBrandt8.cpp也是一样的问题！

解决方法：找到对应文件所在行，把x3D = x3D_h.get_minor<3,1>(0,0) / x3D_h(3)换成

x3D = cv::Matx31f(x3D_h.get_minor<3,1>(0,0)(0) / x3D_h(3), x3D_h.get_minor<3,1>(0,0)(1) / x3D_h(3), x3D_h.get_minor<3,1>(0,0)(2) / x3D_h(3));

二、运行

下载数据集&测试

kmavvisualinertialdatasets – ASL Datasets

（1）本地

单目：

./Examples/Monocular/mono_euroc Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml /home/one/dataset/mav0/cam0/data Examples/Monocular/EuRoC_TimeStamps/MH04.txt

单目+IMU：

./Examples/Monocular-Inertial/mono_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/EuRoC.yaml ./dataset ./Examples/Monocular-Inertial/EuRoC_TimeStamps/MH05.txt

双目：

./Examples/Stereo/stereo_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo/EuRoC.yaml ./dataset ./Examples/Stereo/EuRoC_TimeStamps/MH05.txt

双目+IMU：

./Examples/Stereo-Inertial/stereo_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo-Inertial/EuRoC.yaml ./dataset ./Examples/Stereo-Inertial/EuRoC_TimeStamps/MH05.txt

（2）ROS

双目：

rosrun ORB_SLAM3 Stereo Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml true

rosbag play  MH_04_difficult.bag /cam0/image_raw:=/camera/left/image_raw /cam1/image_raw:=/camera/right/image_raw

双目+imu：

rosrun ORB_SLAM3 Stereo_Inertial Vocabulary/ORBvoc.txt Examples/Stereo-Inertial/EuRoC.yaml true

rosbag play  MH_04_difficult.bag /cam0/image_raw:=/camera/left/image_raw /cam1/image_raw:=/camera/right/image_raw /imu0:=/imu

注意：这里EUROC数据集是没有深度图的，暂时不跑RGB-D

（3）ROS下实时运行

1、开启ROS节点：

roscore

2、运行相机节点：

roslaunch kinect2_bridege kinect2_bridge.launch depth_method:=cpu reg_method:=cpu

3、运行ORB_SLAM3:

rosrun ORB_SLAM3 RGBD   ORBvoc.txt PATH   yaml file PATH

问题：

1-相机驱动安装教程：

ROS下实时运行ORB-SLAM2_w²大大的博客-CSDN博客_ros运行orbslam2

KINECT2相机在ubuntu16.04下跑通ORB_SLAM2_努力科研的背心君的博客-CSDN博客

2-运行报话题错误：

在相应main函数中改相机对应的话题,然后重新运行./build_ros.sh编译ROS空间即可-例ros_rgbd.cc,

/kinect2/qhd/image_color_rect
/kinect2/qhd/image_depth_rect

三、 EVO安装&使用

（1）安装

sudo apt install python-pip
pip install evo --upgrade --no-binary evo

（2）使用

单轨迹：

 evo_traj euroc data.csv --plot

因为EUROC真实值.csv文件有17列数据，与.txt对不齐，所以这里去除速度等信息并调整四元数顺序把data.csv转换成.tum格式

TUM真实值格式: 时间戳，三维坐标,四元数相机位姿

EUROC真实值格式: 时间戳，三维坐标,四元数相机位姿 ,速度，角速度，线速度

evo_traj euroc data.csv --save_as_tum

真实轨迹与运行轨迹-对齐：

evo_traj tum KeyFrameTrajectory.txt --ref=data.tum -p --plot_mode xyz -a --correct_scale

计算ape-绝对位姿误差

evo_ape tum KeyFrameTrajectory.txt data.tum  -p --plot -s --correct_scale -a --align -v --save_results ape.zip

关于evo的更多用法可自行搜索

四、与ORB_SLAM2/VINS-Mono性能对比

（1）单目-MH05

ORB_SLAM3

单目：

单目+IMU：

ORB_SLAM2

单目：

VINS-Mono

VINS-Mono配置环境和运行参考其他博客：

一周小结（七）——从零开始配置VINS-Mono运行环境_猛龙过江ing-CSDN博客

注：要想生成轨迹文件需要在相应的配置.yaml文件修改生成的路经，里面默认的是原作者的路经

回环：

不回环：

（2）双目-MH04

为了生成轨迹文件，这里在ROS/ORB_SLAM3/src下的.cc文件对应位置加上生成轨迹的代码

  ros::spin();
// Stop all threads
    SLAM.Shutdown();

    // Save camera trajectory
    SLAM.SaveKeyFrameTrajectoryTUM("KeyFrameTrajectory_TUM_Format.txt");
    SLAM.SaveTrajectoryTUM("FrameTrajectory_TUM_Format.txt");
    SLAM.SaveTrajectoryKITTI("FrameTrajectory_KITTI_Format.txt");

    ros::shutdown();

ORB_SLAM3

双目：

双目+imu：

ORB_SLAM2

五、总结

通过对比结果可以得到以下结论：

1-跑单目时，ORB_SLAM3与ORB_SLAM2表现差不多，VINS-Mono表现最差，差了快有一个数量集。另外，ORB_SLAM3加了IMU之后，跑的时候更稳定，精度有所下降。

2-跑双目时，ORB-SLAM2会有一部分轨迹丢失，而ORB_SLAM3比ORB_SLAM2稳定，加了IMU之后，精度提升。

补充：

RGBD的精度对比-ATE&RPE

(1)TUM数据集-rgbd_dataset_freiburg1_desk

ORB_SLAM3

ORB_SLAM2

(2)TUM数据集-rgbd_dataset_freiburg1_plant

ORB_SLAM3

ORB_SLAM2

从测试结果上来看，ORB_SLAM3在TUM运行RGB-D效果没有ORB_SLAM2的好。

帧率对比

因最近项目要求，需要在arm平台的xavier部署ORBSLAM3,故顺便做了下小测试。

期间刷机走了不少弯路，这里放我参考的部分文章：

NVIDIA AGX xavier 系列一刷机步骤经验总结_隔壁的大瓜的博客-CSDN博客_agx刷机

玩转NVIDIA Jetson AGX Xavier（7）--- jetson打开关闭风扇，解决风扇不转_木子山石的学习笔记-CSDN博客_jetson nano 风扇不转

环境：ubtuntu18

处理器:ARMv8 Processor rev 0 (v8l) × 4

内存：32G

ORBSLAM2:16.4左右

ORBSLAM3:26.2左右

总体来看，帧率比ORBSLAM2提高了59.75%左右。

02468.

关注

10
点赞
踩
69

收藏

觉得还不错? 一键收藏
10
评论
ORB_SLAM3安装运行&性能测试对比

总结目录一、安装二、运行三、 EVO四、与ORB_SLAM2性能对比一、安装环境：ubtuntu16第三方库：Pangolin opencv3.2 Eigen3（1）下载源码https://github.com/UZ-SLAMLab/ORB_SLAM3ORB-SLAM3论文地址：https://arxiv.org/abs/2007.11898（2）编译cd ORB-SLAM3/chmod +x build.shsudo ./bu...
复制链接

扫一扫