在jetson xavier nx上配置orbslam3，带稠密重建

已于 2023-05-08 10:36:26 修改
阅读量1.5k 收藏 25
点赞数 3
文章标签： 计算机视觉
于 2023-03-01 08:49:43 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_44713615/article/details/129265716
版权

这里写自定义目录标题

主要记录一下踩过的各种坑，包括从配置开发板系统到配置orbslam3一条龙服务，带cuda加速的opencv3.4.5

开发板：jetson xavier nx（8+128g）
系统环境：jetpack4.6.2、cuda10.2、cudnn8.2

上图！！！在这里插入图片描述

开发板刷系统

这里要在ubuntu主机（电脑）上安装sdkmanager软件来给开发板刷机，这里本人用的虚拟机：

  1. 开发板断电，usb连接ubuntu虚拟机；
  2. 短接开发板的GND和FC/REC进入recovery模式（注意刷系统过程中要保持短接）；
  3. 开发板上电，正常情况下上电会开机，而进入recovery模式则不会开机；
  4. 选择相应的刷机包，这里我使用的是4.6.2；
    注意：刷系统镜像完成后，开发板会重启，此时需要开机解锁后才能继续安装cuda，opencv包
    上图！！！
    在这里插入图片描述

将系统移植到M.2硬盘上

开发板出厂带16g内存，但是不够用，可以将系统移植到固态硬盘上。
1.打开开发板自带的disks软件
在这里插入图片描述
2.格式化硬盘（右上角 format disk）
在这里插入图片描述
3.以下盗图
在这里插入图片描述
4.命名随意
在这里插入图片描述
5.完成后点击（类似播放的按钮），将其挂载
在这里插入图片描述
6.正儿八经的重点来了（打开终端先冲3行指令）
git clone https://github.com/jetsonhacks/rootOnNVMe.git
cd rootOnNVMe
./copy-rootfs-ssd.sh
#然后再执行
./setup-service.sh
#最后重启完事
reboot

Sdkmanager安装cuda、cudnn和opencv（自带的opencv是不支持粗大加速的哟）

在这里插入图片描述
安装要很久。。。。。。（最好把开发板的锁屏和睡眠关掉，不然锁了就会失败，很惨！）
在这里插入图片描述

下载nomachine软件，方便远程控制（因为我只有一套鼠键，x来x去很麻烦（狗头））

等安装好上面的，再在nomachine官网下载armv8版本的，https://www.nomachine.com/
指令安装（这里***表示下载的deb全名）：sudo dpkg -i ***

你还可以设置开机不输入密码就进入系统，以后就不用重启后还要插上鼠键输密码
在这里插入图片描述
在这里插入图片描述
你还可以设置固定ip，详情百度。

安装jetson风扇控制软件

sudo apt-get install python3-pip
sudo pip3 install jetson-stats
#打开软件：
sudo jtop

在6info中，通过键盘的p和m键调节风扇大小

安装ros

自己没安装成功过，还好有大佬一键安装。
终端执行：
wget http://fishros.com/install -O fishros && . fishros
参考：一键安装（又省了30块钱）

安装带cuda加速的opencv3.4.5

1、卸载系统自带的opencv
sudo apt-get purge libopencv*
sudo apt-get purge python-numpy
sudo apt-get update
sudo apt-get dist-upgrade
2、将gcc、g++更新到最新版本
sudo apt-get install --only-upgrade g+±5 cpp-5 gcc-5
3、安装Jetson Xavier NX 中opencv依赖项
sudo apt-get install build-essential make cmake cmake-curses-gui g++ libavformat-dev libavutil-dev libswscale-dev libv4l-dev libeigen3-dev libglew-dev libgtk2.0-dev
sudo apt-get install libdc1394-22-dev libxine2-dev libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev
sudo apt-get install libjpeg8-dev libjpeg-turbo8-dev libtiff5-dev libjasper-dev libpng12-dev libavcodec-dev
sudo apt-get install libxvidcore-dev libx264-dev libgtk-3-dev libatlas-base-dev gfortran
sudo apt-get install libopenblas-dev liblapack-dev liblapacke-dev
sudo apt-get install qt5-default
注意：哪个无法定位就百度搜索安装方式
4、安装python3的依赖项
sudo apt-get install python3-dev python3-pip python3-tk
sudo pip3 install numpy
sudo pip3 install matplotlib
sudo apt-get install python3-numpy
sudo apt-get install python3-matplotlib
5、安装python2的依赖项
sudo apt-get install python-dev python-pip python-tk
sudo pip2 install numpy
sudo pip2 install matplotlib
6、cuda部分源码的修改
sudo gedit /usr/local/cuda/include/cuda_gl_interop.h
在这里插入图片描述
7、编译：
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local
-D WITH_CUDA=ON -D CUDA_ARCH_BIN=“7.2” -D CUDA_ARCH_PTX=“”
-D WITH_CUBLAS=ON -D ENABLE_FAST_MATH=ON -D CUDA_FAST_MATH=ON
-D ENABLE_NEON=ON -D WITH_LIBV4L=ON -D BUILD_TESTS=OFF
-D BUILD_PERF_TESTS=OFF -D BUILD_EXAMPLES=OFF
-D WITH_QT=ON -D WITH_OPENGL=ON …
这个时候出现错误:
*** No rule to make target ‘/文件路径/文件名’，needed by ‘/文件路径/文件名’. Stop
报错信息提示在路径/usr/lib/aarch64-linux-gnu/下面找不到libGL.so文件。解决方案如下:

在终端中打开/usr/lib/aarch64-linux-gnu/路径，查找libGL 相关文件。如果文件夹中本身已经有libGL.so文件的话，就cd进入到/usr/lib/x86_64-linux-gnu路径下执行以下指令，删除该文件。
执行指令：locate libGL.so
若报错：-bash: locate: command not found
执行指令：sudo apt-get install mlocate
若报错：locate: can not stat () `/var/lib/mlocate/mlocate.db’: No such file or directory
执行指令：locate libGL.so

执行：
sudo rm libGL.so
sudo ln -s /usr/lib/aarch64-linux-gnu/libGL.so.1 /usr/lib/aarch64-linux-gnu/libGL.so
重新编译安装：
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local
-D WITH_CUDA=ON -D CUDA_ARCH_BIN=“7.2” -D CUDA_ARCH_PTX=“”
-D WITH_CUBLAS=ON -D ENABLE_FAST_MATH=ON -D CUDA_FAST_MATH=ON
-D ENABLE_NEON=ON -D WITH_LIBV4L=ON -D BUILD_TESTS=OFF
-D BUILD_PERF_TESTS=OFF -D BUILD_EXAMPLES=OFF
-D WITH_QT=ON -D WITH_OPENGL=ON …
make
sudo make install
参考1
参考2
参考3

用opencv3.4.5编译cv_bridge

1、卸载ros带的cv_bridge
sudo apt remove ros-melodic-cv-bridge
2、编译cv_bridge
mkdir catkin_workspace
cd catkin_workspace
catkin init
catkin config -DPYTHON_EXECUTABLE=/usr/bin/python3 -DPYTHON_INCLUDE_DIR=/usr/include/python3.6m -DPYTHON_LIBRARY=/usr/lib/aarch64-linux-gnu/libpython3.6m.so
catkin config --install
git clone https://github.com/ros-perception/vision_opencv.git src/vision_opencv
apt-cache show ros-kinetic-cv-bridge | grep Version
#Version: 1.12.8-0xenial-20180416-143935-0800
cd src/vision_opencv/
git checkout 1.12.8
cd …/…/
catkin build cv_bridge
source install/setup.bash --extend
#链接自己编译的cv_bridge位置：
vim ~/.bashrc
source /home/nvidia/catkin_workspace/install/setup.bash --extend

测试：
pkg-config --modversion cv_bridge
显示安装的1.12.8表示成功

安装realsense sdk和realsenseros

realsense sdk参考：https://github.com/IntelRealSense/librealsense/blob/master/doc/installation_jetson.md
RealsenseRose参考：（先安装：sudo apt-get install ros-melodic-ddynamic-reconfigure）
https://github.com/IntelRealSense/realsense-ros/tree/ros1-legacy

十、安装pangolin0.5 eigen3.3.7 pcl1.8.1

pangolin0.5和 eigen3.3.7一样
先解压进入执行以下指令：
mkdir build
cd build
cmake …
Sudo make install

安装Pcl:
依赖库：
sudo apt-get update
sudo apt-get install git build-essential linux-libc-dev
sudo apt-get install cmake cmake-gui
sudo apt-get install libusb-1.0-0-dev libusb-dev libudev-dev
sudo apt-get install mpi-default-dev openmpi-bin openmpi-common
sudo apt-get install libflann1.8 libflann-dev
sudo apt-get install libeigen3-dev
sudo apt-get install libboost-all-dev
sudo apt-get install libvtk5.10-qt4 libvtk5.10 libvtk5-dev
sudo apt-get install libqhull* libgtest-dev
sudo apt-get install freeglut3-dev pkg-config
sudo apt-get install libxmu-dev libxi-dev
sudo apt-get install mono-complete
sudo apt-get install qt-sdk openjdk-8-jdk openjdk-8-jre
########这是有cuda的安装流程##########
参考：https://blog.csdn.net/qq_41323996/article/details/109622369
cd pcl
mkdir release
cd release
cmake -DCMAKE_BUILD_TYPE=None -DCMAKE_INSTALL_PREFIX=/usr \ -DBUILD_GPU=ON-DBUILD_apps=ON -DBUILD_examples=ON \ -DCMAKE_INSTALL_PREFIX=/usr …
make -j$(nproc)
sudo make install

编译orbslam3

编译时内存不够，所以首先要扩展内存（扩10g吧，参考是1g的）：https://blog.csdn.net/qq_42281215/article/details/108600517
改成：sudo dd if=/dev/zero of=/swapfile bs=64M count=160

编译时出现cv_bridge错误，执行指令：sudo apt install ros-melodic-cv-bridge就好了，明明自己编译了cv_bridge,然后编译又识别不出来，还得安装ros下的cv_bridge，最后编译orbslam还能用，搞不清楚具体原因，反正能用。

补充：第二次弄的时候还是这个问题，后来通过在manifest.xml中去掉cv_bridge引用，然后在cmakelist里加入找cv_bridge的库就解决了
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

其他的都是可以搜到的流程了。
实际跑延迟有点高，不知道咋回事，有大佬可以解答一下
在这里插入图片描述

提取开发板镜像备份

因为编译刷机加上opencv和pcl太费时间了，所以干脆备份系统镜像，下次直接烧
参考：https://blog.csdn.net/qq_41994173/article/details/127586490

效果图：
在这里插入图片描述

在这里插入图片描述

qq_44713615
关注
  • 3
    点赞
  • 踩
  • 25
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
5.如何利用ORBSLAM3生成可用于机器人/无人机导航的二维/三维栅格地图--以octomap为例
qq_41694024的博客
11-29 5560
如何利用ORBSLAM3生成可用于机器人/无人机导航的二维/三维栅格地图--以octomap为例
SLAM学习——建图（二）
热门推荐
Hansry的博客
08-05 1万+
1.对单目构建稠密地图的讨论像素梯度的问题在前面中，通过块匹配来获得匹配结果。块匹配的正确与否，依赖于图像块是否具有区分度，有明显梯度的小块将具有良好的区分度。对于梯度不明显的像素，将比较难估计其有效深度。立体视觉一个常见问题：对物体纹理的依赖性。像素梯度与极线的关系：像素梯度平行于极线方向以及垂直于极线方向。 像素梯度垂直于极线：当沿极线寻找的时候，发现匹配程度是一样的，得到不到有效匹配。
Ubuntu20.04下ORB-SLAM2稠密建图+octomap生成八叉树地图（上）
最新发布
qq_45509667的博客
05-09 2102
最近用orb-slam2跑了一下自己的数据集，由于是稀疏点云建图，效果并不是很理想，看到别人建的稠密点云地图效果还可以，就想着看看效果，参考了网上很多大佬的博客，也踩了不少坑，为避免遗忘，索性记录下来。
工程（十）——github代码ubuntu20.04在ROS环境运行单目和RGBD相机ORB-SLAM3稠密
HUASHUDEYANJING的博客
02-16 5940
orb-slam3的整个环境配置还是比较麻烦的，先将一些坑写在前面，供大家参考和避开这些坑。
使用自己的TUM数据集来实现ORBSLAM稠密建图
weixin_64338148的博客
07-05 6183
TUM数据集-ORBSLAM稠密建图
ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM
AI_Engineer的博客
07-13 1989
ORB-SLAM3是第一个能够让单目、立体相机和RGB-D相机与针孔和鱼眼镜头模型解耦进行视觉、视觉+惯性和多地图SLAM的系统。
实测 （四）NVIDIA Xavier NX + D435i / 奥比中光Astrapro 相机+ ORB-SLAM 2 + 3 稠密回环建图
weixin_62952541的博客
04-21 2430
在void PointCloudMapping::viewer() 中的while循环里的最后（200-201之间）加入下面一行，用于保存点云地图，同时在开头增加 #include 其实与orb-slam2的环境配置一样，使用的仍然是pagolin0.5，和opencv3.2.0版本（3.4.x也可以），pcl1.8.1+vtk7.1.1 这里不重复，具体配置可以去我之前写的。首先小白老师分享的ORB-SLAM3的可回环的稠密地图版本，具体在这篇。
把JETSON XAVIER NX的系统移动到nvme硬盘上
05-31
仅两步，把JETSON XAVIER NX的系统移动到nvme硬盘上，第零步格式化nvme硬盘为GPT，第一步，运行$ ./copy-rootfs-ssd.sh，第二步，运行$ ./setup-service.sh，大功告成，重启试试吧
NVIDIA Jetson Xavier NX Design Guide.pdf
12-21
《NVIDIA Jetson Xavier NX设计指南》是NVIDIA公司为开发者和硬件工程师提供的一份详尽的参考资料，旨在帮助他们理解和构建基于Jetson Xavier NX模组的系统。这份设计手册涵盖了模组的关键特性、接口规范、电源管理...
Jetson_Xavier_NX_Pin_and_Function_Names_Guide_v1.0
04-03
"Jetson Xavier NX 引脚和功能命名指南" 本指南旨在帮助开发者了解 NVIDIA Jetson Xavier NX 器件的引脚和功能命名规则，以便更好地设计和开发基于 Jetson Xavier NX 的应用系统。 引脚命名规则： Jetson Xavier ...
[NVIDIA] 入手 Jetson Xavier NX 内核剪裁及重新编译
01-06
本文主要讲述，基于 Jetson Xavier NX 开发者套件: 环境配置——>内核剪裁——>重新编译——>烧录流程。 What is Jetson Xavier NX ： NVIDIA:registered: Jetson Xavier:trade_mark: NX 是体型超小的AI超级计算机...
Ubuntu18.04利用astra pro相机实现ORB—SLAM3实时点云稠密建图—上
BIgbossyii的博客
06-07 2372
本文介绍了如何在ubuntu20.04下搭建orbslam3的点云建图环境
ROS从入门到精通7-4：ORBSLAM稠密点云建图
FRIGIDWINTER的博客
08-29 4852
ORBSLAM稠密点云建图实例分析
视觉slam中的一种单目稠密建图方法
sky的博客
07-23 5036
之所以只讲单目的稠密建图，这是因为，首先，对于RGBD图，我们已知所有点的深度，可以直接生成稠密的点云。其次，对于稀疏地图，其实很多VO中已经完成了稀疏地图的构建，但是稀疏地图只能用于定位，不能用于导航避障之类的工作。所以很多slam系统中会额外进行稠密地图、甚至语义地图的构建。 单目稠密建图 通常在单目VO中，我们通过特征点匹配与三角测量可以获得稀疏地图点的深度，现在我们想要建立稠密的地图，这意味着我们需要获得图片中所有像素点的深度。那么首先我们需要做的一点就是确定第一幅图的某个像素出现在其.
【ORB-SLAM3】从零开始安装到用安卓手机采集mono+imu数据跑自己的数据
qq_45306739的博客
05-11 2985
ORB-SLAM3测试
ORB-SLAM2添加稠密建图线程
zhou2677273778的博客
08-10 2702
ORB-SLAM2稠密点云建图
rtabmap+orbslam2+D435i建图
m0_62114628的博客
09-05 2103
rtabmap+orbslam2+D435i建图
Jetson AGX xavier 搭建ORB_SLAM3(ubuntu18)
qq_35212636的博客
06-26 894
Jetson AGX xavier 搭建ORB_SLAM3(ubuntu18) ORB_SLAM3 : Github: https://github.com/UZ-SLAMLab/ORB_SLAM3 1.安装依赖 sudo apt-get install build-essential sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev sudo apt-g
NVIDIA Jetson Xavier NX 散热设计指南
此“Jetson Xavier NX Thermal Design Guide”是为确保Jetson Xavier NX在严苛环境下保持稳定运行，同时最大化其计算性能的关键参考资料。它不仅对热管理工程师和硬件设计师提供了宝贵的指导，也对理解和解决嵌入式...

“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 9
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