ORB-SLAM3编译与运行问题汇总

毕设要做ORB-SLAM3相关内容，对于我这种slam初学者来讲难度还是挺大的，总结实践中碰到的各种问题。

1 安装Eigen3.3.9

ORB-SLAM3要求eigen版本至少是3.1.0，使用一步命令安装eigen3无法满足这个条件，因此采用源代码安装方式，参考下面这个博客：
Ubuntu16.04安装Eigen3

我下载的版本是eigen3.3.9，安装命令：

tar -zxvf eigen-3.3.9.tar.gz
cd eigen-3.3.9
mkdir build
cd build
cmake ..
make 
sudo make install

复制Eigen库到 /usr/local/include 中 ，因为在很多程序中include时经常使用#include <Eigen/Dense>而不是使用#include <eigen3/Eigen/Dense>。

sudo cp -r /usr/local/include/eigen3/Eigen /usr/local/include

2 编译ROS版本

参考博客：
Ubuntu下使用ROS接口运行ORB_SLAM3

2.1 添加环境变量

在.bashrc中添加ORB-SLAM3的ros环境：

gedit ~/.bashrc
export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:/home/slender/文档/ORB-SLAM/ORB_SLAM3/Examples/ROS/ORB_SLAM3

2.2 fatal error: xxx.h: 没有那个文件或目录

这类error出现在/ORB-SLAM3/include路径下的Atlas.h，KeyFrame.h和Tracking.h，在头文件添加一层CameraModels目录：

#include "CameraModels/GeometricCamera.h"
#include "CameraModels/Pinhole.h"
#include "CameraModels/KannalaBrandt8.h"

2.3 ‘ORB_SLAM2’ has not been declared

把ORB_SLAM2替换为ORB_SLAM3：

sed -i "s/ORB_SLAM2/ORB_SLAM3/g" `grep -rl "ORB_SLAM2"`

2.4 “pangolin” includes non-existent path “/usr/include/eigen3”

手动安装eigen3的安装路径在/usr/local/include/eigen3，但是有的库默认是到/usr/include这个路径下面找，复制一份过去：

sudo cp -r /usr/local/include/eigen3 /usr/include/

2.5 DSO missing from command line

/usr/lib/x86_64-linux-gnu/libboost_system.so: error adding symbols: DSO missing from command line

参考博客，在Examples/ROS/ORB_SLAM2/Cmakelist.txt 的文件后面加入两句话：

target_link_libraries(Stereo boost_system boost_filesystem)  
target_link_libraries(RGBD boost_system boost_filesystem) 

ROS版本编译完成！

3 运行测试

3.1 非ROS版本

参考博客：Ubuntu16.04环境下配置运行ORB-SLAM3

下载数据集EuRoC MAV Dataset，我下载的是MH_03（注意下载的格式是 ASL Dataset Format），解压后放入/dataset/MH_03/mav0这样的路径。

（1）仅单目相机

./Examples/Monocular/mono_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular/EuRoC.yaml ../dataset/MH_03 ./Examples/Monocular/EuRoC_TimeStamps/MH03.txt

（2）仅双目相机

./Examples/Stereo/stereo_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo/EuRoC.yaml ../dataset/MH_03 ./Examples/Stereo/EuRoC_TimeStamps/MH03.txt

（3）单目相机+IMU

./Examples/Monocular-Inertial/mono_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/EuRoC.yaml ../dataset/MH_03 ./Examples/Monocular-Inertial/EuRoC_TimeStamps/MH03.txt

（4）双目相机+IMU

./Examples/Stereo-Inertial/stereo_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo-Inertial/EuRoC.yaml ../dataset/MH_03 ./Examples/Stereo-Inertial/EuRoC_TimeStamps/MH03.txt

用ORB-SLAM3运行EuRoC数据集，发现最后Current Frame窗口卡住，并且无法保存轨迹文件。

参考了ORB-SLAM2运行数据集时Pangolin界面卡住，不能生成轨迹以及用摄像头运行非ROS版程序时如何退出的方法，猜测是Pangolin更新后存在bug。

我用了方法2，在System.cc的SLAM.Shoutdown()中将以下代码注释掉：

if(mpViewer)
        pangolin::BindToContext("ORB-SLAM2: Map Viewer");

能够自动关闭窗口，也能生成轨迹文件，但是又出现了段错误，有的博客提到是因为内存小了，目前还没解决这个问题。

3.2 ROS版本

参考博客：
SLAM笔记–第2篇: ORB_SLAM2编译运行
EVO Estimate SLAM 4 — ORB-SLAM3 build &run

ORB_SLAM3的ROS版本中没有加入imu的节点，运行时仅有Mono_AR，Mono，Stereo。

测试使用 .bag 格式数据集。

# -ROS版本
roscore

#  EuRoC单目, 运行EuRoc单目目ROS数据包,发送图像信息
rosbag play --pause V1_01_easy.bag /cam0/image_raw:=/camera/image_raw
rosrun ORB_SLAM3 Mono Vocabulary/ORBvoc.txt Examples/Monocular/EuRoC.yaml

#  EuRoC双目, 运行EuRoc双目ROS数据包,发送图像信息
rosbag play --pause V1_01_easy.bag /cam0/image_raw:=/camera/left/image_raw /cam1/image_raw:=/camera/right/image_raw
rosrun ORB_SLAM3 Stereo Vocabulary/ORBvoc.txt Examples/Stereo/EuRoC.yaml true

# Monocular-Inertial单目+IMU
rosbag play --pause MH_01_easy.bag /cam0/image_raw:=/camera/image_raw /imu0:=/imu
rosrun ORB_SLAM3 Mono_Inertial Vocabulary/ORBvoc.txt Examples/Monocular-Inertial/EuRoC.yaml true

注意，其中rosbag是以暂停的形式开始的，按空格键启动发送。

如果要用自己的相机测试，需要将topic名字替换成自己用的相机的输入，配置文件 .yaml 改成自己相机的配置。

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

得，到这里好不容易把.bag跑完了，又遇到了新问题：
QObject::~QObject: Timers cannot be stopped from another thread

这个暂时不影响结果，我也不知道咋解决…（苦涩）

3.3 精度评定

evaluate_ate_scale 可以用来评测单目SLAM运动估计效果

# 仅双目相机
./Examples/Stereo/stereo_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo/EuRoC.yaml ../dataset/MH_03 ./Examples/Stereo/EuRoC_TimeStamps/MH03.txt

# 使用evaluate_ate_scale.py评定误差精度
python evaluation/evaluate_ate_scale.py evaluation/Ground_truth/EuRoC_left_cam/MH03_GT.txt KeyFrameTrajectory.txt --plot MH03_stereo.pdf

得到（0.031998,0.996112,0.028380）
(absolute_translational_error.rmse, scale, absolute_translational_errorGT.rmse)

OK，ORB-SLAM3在数据集下基本跑通了，未来还要自制数据集，精度评定的部分也不太明白，冲冲冲！