我的第一篇博客

移动机器人实验

从头开始：

1 安装Ubuntu16.04 LTS操作系统

2 安装和测试ros
2.1 安装
2.1.1 添加sources.list
sudo sh -c ‘echo “deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main” > /etc/apt/sources.list.d/ros-latest.list’
2.1.2 添加keys
sudo apt-key adv --keyserver hkp://ha.pool.sks-keyservers.net:80 --recv-key 421C365BD9FF1F717815A3895523BAEEB01FA116
2.1.3 系统更新
sudo apt-get update && sudo apt-get upgrade
2.1.4 安装ROS
sudo apt-get install ros-kinetic-desktop-full
2.2 配置ROS
2.2.1 初始化rosdep
sudo rosdep init && rosdep update
这一步如果出错，可能是raw.githubusercontent.com被DNS污染了，当Github的相关IP没有被封锁的话，需要访问Github资源域时可以通过下面两种方法解决：
(1) 手动将151.101.84.133 raw.githubusercontent.com 加入 /etc/hosts（亲测可解决问题）
(2) 或者开启代理工具
2.2.2 ROS环境配置
echo “source /opt/ros/kinetic/setup.bash” >> ~/.bashrc
2.2.3 安装rosinstall
sudo apt-get install python-rosinstall
至此，ROS的安装就结束了，下面测试ROS能否正常运行。
2.3 测试ROS
2.3.1 首先启动ROS，输入代码运行roscore：
echo “source /opt/ros/kinetic/setup.bash” >> ~/.bashrc
roscore
2.3.2 安装roslaunch（可选）
sudo apt install python-roslaunch
2.3.3 测试ROS的吉祥物–小海龟
rosrun turtlesim turtle_teleop_key
rosrun turtlesim turtlesim_node

3 在Ubuntu上跑经典例程
3.1 Mono-vo（不用ros）
3.1.1 从github上下载源码Mono-vo，并解压缩
3.1.2 编译运行
mkdir build
cd build
make …
make
./vo
3.2 ORB_SLAM2
3.2.1 简介
ORB_SLAM2官方给出的简介是Real-Time SLAM for Monocular, Stereo and RGB-D Cameras, with Loop Detection and Relocalization Capabilities。
利用单目，双目和RGB-D深度摄像头的实时SLAM，具有环路检测和重定位功能
ORB-SLAM是一个基于特征点的实时单目SLAM系统，在大规模的、小规模的、室内室外的环境都可以运行。该系统对剧烈运动也很棒，支持宽基线的闭环检测和重定位，包括全自动初始化。该系统包含了所有SLAM系统共有的模块：跟踪（Tracking）、建图（Mapping）、重定位（Relocalization）、闭环检测（Loop closing）。由于ORB-SLAM系统是基于特征点的SLAM系统，故其能够实时计算出相机的轨线，并生成场景的稀疏三维重建结果。ORB-SLAM2在ORB-SLAM的基础上，还支持标定后的双目相机和RGB-D相机。
3.2.2 安装构建
(1)ORB_SLAM2源码包下载
mkdir orb_slam2
cd orb_slam2
git clone https://github.com/raulmur/ORB_SLAM2.git
(2)安装依赖库
sudo apt-get install libboost-all-dev libblas-dev liblapack-dev
接下来需要安装Eigen3，可以从官网选择下载，也可以直接点击此处给出的源码包链接直接下载。下载后解压源码包并且安装。
tar -xzvf eigen-eigen-b3f3d4950030.tar.gz -C ./
cd eigen-eigen-b3f3d4950030
mkdir build
cd build
cmake … & make
sudo make install
(3) 编译g2o
cd ~/orb_slam2/ORB_SLAM2/Thirdparty/g2o
mkdir build
cd build
cmake … -DCMAKE_BUILD_TYPE=Release
make
(4) 编译DBoW2
cd ~/orb_slam2/ORB_SLAM2/Thirdparty/DBoW2
mkdir build
cd build
cmake … -DCMAKE_BUILD_TYPE=Release
make
(5)下载、编译安装Pangolin
安装依赖库libglew-dev、libpython2.7-dev、libboost-dev、libboost-thread-dev、libboost-filesystem-dev：
sudo apt-get install libglew-dev libpython2.7-dev libboost-dev libboost-thread-dev libboost-filesystem-dev -y
cd ~/orb_slam2/ORB_SLAM2/Thirdparty
mkdir pangolin
cd pangolin
git clone https://github.com/stevenlovegrove/Pangolin.git
cd Pangolin
mkdir build
cd build
cmake …
make -j4
sudo make install
(6)编译ORB_SLAM2
cd ~/orb_slam2/ORB_SLAM2
mkdir build
cd build
cmake … -DCMAKE_BUILD_TYPE=Release
make
注意在编译过程中可能会遇到"usleep" was not declared…这种错误，大家只要在ORM_SLAM2的源码目录下使用命令grep -rn “usleep”，将列出的文件中在头文件的地方加入#include <unistd.h>就不会出现这种问题了.
(7)编译功能包
export ROS_PACKAGE=${ROS_PACKAGE_PATH}:~/orb_slam2/ORB_SLAM2/Examples/ROS
./build_ros.sh
source Examples/ROS/ORB_SLAM2/build/devel/setup.bash
在编译过程中会出现如下报错:/usr/bin/ld: CMakeFiles/Stereo.dir/src/ros_stereo.cc.o: undefined reference to symbol ‘_ZN5boost6system15system_categoryEv’
/usr/lib/x86_64-linux-gnu/libboost_system.so: error adding sysmbols: DSO missing from command line
…
需要我们在Examples/ROS/ORB_SLAM2目录下修改CMakeLists.txt文件，添加依赖库-lboost_system，再次进行编译，就正常了。
set(LIBS
${OpenCV_LIBS}
…
-lboost_system
)

3.2.3 用orb-slam2中的/Examples/Monocular/mono_tum跑TUM Dataset（不用运行ros）
(1) ./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUMx.yaml PATH_TO_SEQUENCE_FOLDER
例如：./Examples/Monocular/mono_tum Vocabulary/ORBvoc.txt Examples/Monocular/TUM1.yaml /home/wl/data/rgbd_dataset_freiburg1_xyz
如果跑KITTI数据则运行：
./Examples/Monocular/mono_kitti Vocabulary/ORBvoc.txt Examples/Monocular/KITTI00-02.yaml ~/data/KITTI_VO/00

3.2.4 用orb-slam2中的/Examples/RGB-D/rgbd_tum跑TUM Dataset（不用运行ros）
(1)下载数据集rgbd_dataset_freiburg2_pioneer_360
(2)下载 associate.py．放在/ORB_SLAM2/Examples/RGB-D/目录下面
(3)打开终端，进入到associate.py所在目录，即/ORB_SLAM2/Examples/RGB-D/，之后运行python associate.py PATH_TO_SEQUENCE/rgb.txt PATH_TO_SEQUENCE/depth.txt > associations.txt,在该目录中将会生成一个associations.txt文件．
(4)运行./Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUMX.yaml PATH_TO_SEQUENCE_FOLDER ASSOCIATIONS_FILE
注：PATH_TO_SEQUENCE_FOLDER文件夹即为数据库所在文件夹，
ASSOCIATIONS_FILE即为第３步中生成的associations.txt，给出他的目录位置.
比如：/Examples/RGB-D/rgbd_tum Vocabulary/ORBvoc.txt Examples/RGB-D/TUM2.yaml ~/data/rgbd_dataset_freiburg2_pioneer_360 Examples/RGB-D/associations.txt

3.2.5 基于单目摄像头，实时运行Example/ROS/ORB_SLAM2/中的Mono（运行ros）
(1) . /devel/setup.bash
(2) roslaunch usb_cam usb_cam-test.launch
(3)./Examples/ROS/ORB_SLAM2/Mono Vocabulary/ORBvoc.txt Examples/ROS/ORB_SLAM2/Asus.yaml

3.2.6 基于ASUS Xtion，实时运行Example/ROS/ORB_SLAM2/中的RGBD(运行ros)
(1) roslaunch openni2_launch openni2.launch
(2)./Examples/ROS/ORB_SLAM2/RGBD Vocabulary/ORBvoc.txt Examples/ROS/ORB_SLAM2/Asus.yaml
只对RGB图进行了处理，显示与单目摄像头(3.2.5)相同的结果。

小结：orb_slam2，如果跑数据包中的数据，不用ros;如果要跑摄像头实时采集数据，需要用ros。
跑数据包数据运行格式：./可执行文件路径+文件名 vocabulary文件所在路径+文件名 摄像头设置文件所在路径+路径名 数据包路径
跑实时数据运行格式：rosrun ros包 节点 vocabulary文件所在路径+文件名 摄像头设置文件所在路径+路径名
或： ./节点路径+节点 vocabulary文件所在路径+文件名 摄像头设置文件所在路径+路径名

未完待续…