【视觉SLAM】从安装Ubuntu18.04开始

最新推荐文章于 2024-06-13 23:17:35 发布
最新推荐文章于 2024-06-13 23:17:35 发布
阅读量4.7k 收藏 59
点赞数 5
分类专栏： 视觉SLAM 文章标签： slam ubuntu
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/weixin_44307220/article/details/117092089
版权

【视觉SLAM】从安装Ubuntu18.04开始

前言

说明

本文将从在虚拟机中安装Ubuntu18.04开始，逐步记录视觉SLAM的学习过程。

工作环境

  1. 硬件
    CPU：AMD Ryzen 5 1500X Quad-Core Processor 3.49GHz
    GPU：NVIDIA GeForce GTX 750 Ti
    内存大小：16GB
  2. 软件
    操作系统：Windows 10 专业版 21H1
    虚拟机：VMware Workstation 15 Pro 15.5.6 build-16341506

需要准备的东西

  1. 微批恩
    Windows系统下，我用的是htt【防封】ps://wuji【防封】ev2ray.to【防封】p/auth/login
    购买之后可以得到一个订阅地址，网站里有详细的使用说明
    Linux系统下，我用的是htt【防封】ps://qv2【防封】ray.net/【防封】getting-start【防封】ed/step2.html#down【防封】load-v2ray-core-files的方法，订阅地址与Windows端的可通用
    为了方便，将Linux的微批恩传到百度网盘上了，使用方法也有。htt【防封】ps://【防封】pa【防封】n.ba【防封】idu.com/s/12cM【防封】ZDyIulSTj_Bxm【防封】ALFIxQ，密码：6666，解压密码：RayShark
  2. Ubuntu 18.04镜像文件
    我是去官网(http://releases.ubuntu.com/18.04/)下载，下载Desktop image版本，建议开微批恩下载。如果觉得浏览器自带的下载慢，就复制下载链接到迅雷中下载。最后得到一个.iso格式文件。
  3. 已经安装好的VMware Workstation 15 Pro虚拟机
    虚拟机安装过程略。
    建议关闭Windows的自动更新，否则安装Ubuntu之后运行时，主系统可能会蓝屏，蓝屏代码：PAGE_FAULT_IN_NONPAGED AREA，猜测是因为Windows版本太新。

安装Ubuntu 18.04

现在硬盘的适当位置新建一个文件夹Ubuntu，之后会将Ubuntu 18.04安装在这个文件夹下；
打开VMware Workstation的“主页”，“创建新的虚拟机”，选择“自定义”；硬件兼容性就默认的选项。
点“稍后安装操作系统”；
稍后安装操作系统
上面选择“Linux”，下面选择“Ubuntu 64位”
安装何种操作系统
虚拟机名字可以随便取一个，位置选择刚刚新建的“Ubuntu”文件夹。
命名虚拟机
分配处理机数量，根据CPU的核心数适当选择。
处理机配置
根据物理内存大小，适当分配虚拟机内存，这里分配10GB（注意要换算成MB）
分配虚拟机内存
选择“使用网络地址转换NAT”、“LSI Logic”、“SCSI”、“创建新虚拟磁盘”
分配容量决定了Ubuntu中磁盘的大小，根据主机磁盘容量适当分配大小，这里分配100GB（以这里为准，图片仅做参考）并且勾选立即分配。
制定磁盘容量
“指定磁盘文件”默认就行。
“自定义硬件”处，点击“自定义硬件”，“处理器”勾选两个虚拟化，“新CD/DVD”点“使用ISO映像文件”并选择之前下载的Ubuntu 18.04镜像（.iso格式）。点击“关闭”、“完成”。等待创建磁盘完成。
处理器设置
CD/DVD设置
之后在Ubuntu界面，开启虚拟机。
开启虚拟机
欢迎界面，翻到最下面选择简体中文，点击“安装Ubuntu”
“继续”，选择“正常安装”和“安装第三方软件”，不下载更新。“继续”
“清除整个磁盘并安装Ubuntu”，“现在安装”，“继续”，“继续”，输入姓名、计算机名等等。
安装其他软件
安装类型
之后就等待安装完成。如果语言包下载太久或者软件包下载太久，可以点击文字左边的黑色小箭头，展开详细情况再点Skip跳过。
安装完成后点击现在重启，如果出现"Please remove the installation medium"，则点击VMware上方工具栏的“虚拟机”、“电源”、“重新启动客户机”。

进入到系统后，在虚拟机左边“库”中，右键Ubuntu，选择“VMware Tools"安装。之后在Ubuntu中进入挂载的VMware Tools，将里面的文件复制到一个合适的地方，解压.tar.gz格式文件，进入解压后的文件夹，找到.pl格式文件所在的文件夹，右键，在此处打开终端，输入以下命令安装VMware Tools，按照提示安装（注意第一次输入要输入"yes")

sudo ./vmware-install.pl

安装完成后，Ubuntu界面应该就是全屏的了，也支持主机与虚拟机之间文件的复制粘贴。
点击右上角按钮，重启。
在Ubuntu 18中配置微批恩。
打开“软件和更新”，勾选“源代码”，服务器选择“主服务器”，设置如下：
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
点击“关闭”、“重新载入”，等待更新缓存
打开“软件更新器”，因为是安装系统后第一次更新，点击“立即安装”。
更新完成后再次重启。
依次在控制台执行以下命令（建议挂微批恩）

sudo apt update
sudo apt install build-essential
sudo apt install git
sudo apt-get install cmake

安装ORB-SLAM3

安装Pangolin

依次在控制台执行以下命令

sudo apt-get install libglew-dev
sudo apt-get install libpython2.7-dev
sudo apt-get install ffmpeg libavcodec-dev libavutil-dev libavformat-dev libswscale-dev libavdevice-dev
sudo apt-get install libdc1394-22-dev libraw1394-dev
sudo apt-get install libjpeg-dev libpng12-dev libtiff5-dev libopenexr-dev

git clone https://github.com/stevenlovegrove/Pangolin.git
cd Pangolin
mkdir build
cd build
cmake ..
cmake --build .
sudo make install

安装OpenCV 3.2.0

去官网下载OpenCV 3.2.0的源代码（建议挂微批恩）：https://opencv.org/releases/page/5
下载完成后解压到合适目录。
依次在控制台执行以下命令

sudo apt-get install libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev

sudo add-apt-repository "deb http://security.ubuntu.com/ubuntu xenial-security main"
sudo apt update
sudo apt install libjasper1 libjasper-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev

sudo apt-get install libgtk-3-dev
sudo apt-get install libgstreamer1.0-dev libgstreamer-plugins-base1.0-dev

在OpenCV 3.2.0的目录下，依次在控制台执行以下命令（挂微批恩）

mkdir build
cd build
cmake -D ENABLE_PRECOMPILED_HEADERS=OFF -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
sudo make -j4
sudo make install

然后执行以下命令，在打开的文件中添加"/usr/local/lib"

sudo gedit /etc/ld.so.conf.d/opencv.conf

执行以下命令

sudo gedit ~/.profile

在打开的文件末尾添加：
PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export PKG_CONFIG_PATH

安装ROS Melodic

依次在控制台执行以下命令（建议挂微批恩）

sudo sh -c 'echo "deb http://packages.ros.org/ros/ubuntu $(lsb_release -sc) main" > /etc/apt/sources.list.d/ros-latest.list'
sudo apt-key adv --keyserver 'hkp://keyserver.ubuntu.com:80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654
sudo apt update
sudo apt install ros-melodic-desktop-full
sudo apt-get install ros-melodic-rqt*
echo "source /opt/ros/melodic/setup.bash" >> ~/.bashrc
source ~/.bashrc
sudo apt install python-rosdep python-rosinstall python-rosinstall-generator python-wstool build-essential
sudo apt install python-rosdep

之后执行

sudo gedit /etc/hosts

在打开的文件末尾添加"199.232.68.133 raw.githubusercontent.com"
关掉文件后，再执行以下命令，若出现网络连接的错误则开微批恩多运行几次。

sudo rosdep init
rosdep update
source /opt/ros/melodic/setup.bash

测试：打开3个终端，分别执行以下指令：

roscore

rosrun turtlesim turtlesim_node

rosrun turtlesim turtle_teleop_key

若可以出现一只乌龟的界面而且可以用方向键操控，则安装成功！
之后创建并初始化ROS工作空间：

mkdir -p ~/catkin_ws/src
cd ~/catkin_ws/src
catkin_init_workspace
cd ~/catkin_ws
catkin_make
source ~/catkin_ws/devel/setup.bash

安装Eigen3.3.4

首先从网址https://gitlab.com/libeigen/eigen/-/archive/3.3.4/eigen-3.3.4.tar.gz
下载Eigen3.3.4的源代码，.tar.gz格式的压缩包暂时不要解压，放在适当的目录下，在该目录打开终端，执行以下命令：

sudo tar -xzvf eigen-3.3.4.tar.gz -C /usr/local/include
sudo mv /usr/local/include/eigen-3.3.4 /usr/local/include/eigen3
sudo cp -r /usr/local/include/eigen3/Eigen /usr/local/include 
sudo cp -r /usr/local/include/eigen3/Eigen /usr/include 
sudo cp -r /usr/local/include/eigen3 /usr/include

编译ORB-SLAM3

因为需要对源代码做一定修改，将ORB-SLAM3修改后的源代码存放在百度网盘上了：
链接：htt【防封】ps://pa【防封】n.ba【防封】idu.com/s/1Kan【防封】DhZ6UHzlo【防封】1C_3bKvbBQ
密码：6666
解压密码：RayShark
下载后，解压在~/catkin_ws/src目录下，在 ~/catkin_ws/src/ORB_SLAM3目录下打开终端，执行以下命令：

chmod +x build.sh
./build.sh

如果不出意外，应该不会出现编译错误，会出现很多warning，不用管。

测试ORB-SLAM3

EuRoC数据集的测试

首先需要下载EuRoC数据集。

可以从官网下载：EuRoC数据集官网
EuRoC数据集包含11个序列（最后的Calibration Dataset不用管)，MH场景有5个，ViconRoom场景有6个。每个场景都提供了ROS bag格式(.bag后缀，对应下图左边红框)和ASL格式(是一个文件夹，对应下图右边红框)。
如果下载很慢，可以开微批恩复制链接到迅雷中下载。
EuRoC数据集
我也将EuRoC数据集全部序列传到百度网盘上了
链接：htt【防封】ps://p【防封】an.ba【防封】idu.co【防封】m/s/1q7R【防封】UaAtX7_U【防封】hMIV0FB【防封】jM9A
提取码：6666

注意：测试ORB-SLAM3用到的是ASL格式的EuRoC数据集，即以MH01为例，用到的是MH_01_easy文件夹，而不是MH_01_easy.bag。
在主目录下新建Datasets文件夹，再在其中新建EuRoC文件夹，将EuRoC数据集各序列放在该文件夹下。以下测试都以MH01序列为例！

测试单目模式

cd ~/catkin_ws/src/ORB_SLAM3
./Examples/Monocular/mono_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular/EuRoC.yaml ~/Datasets/EuRoC/MH_01_easy ./Examples/Monocular/EuRoC_TimeStamps/MH01.txt MH01-Mono

测试双目模式

cd ~/catkin_ws/src/ORB_SLAM3
./Examples/Stereo/stereo_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo/EuRoC.yaml ~/Datasets/EuRoC/MH_01_easy ./Examples/Stereo/EuRoC_TimeStamps/MH01.txt MH01-Stereo

测试单目+IMU模式

cd ~/catkin_ws/src/ORB_SLAM3
./Examples/Monocular-Inertial/mono_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular-Inertial/EuRoC.yaml ~/Datasets/EuRoC/MH_01_easy ./Examples/Monocular-Inertial/EuRoC_TimeStamps/MH01.txt MH01-MonoInertial

测试双目+IMU模式

cd ~/catkin_ws/src/ORB_SLAM3
./Examples/Stereo-Inertial/stereo_inertial_euroc ./Vocabulary/ORBvoc.txt ./Examples/Stereo-Inertial/EuRoC.yaml ~/Datasets/EuRoC/MH_01_easy ./Examples/Stereo-Inertial/EuRoC_TimeStamps/MH01.txt MH01-StereoInertial

运行界面：
ORB-SLAM3运行EuRoC
不管哪种模式，运行完成之后，终端都会给出输出结果：

Saving trajectory to f_MH01-StereoInertial.txt ...
End of saving trajectory to f_MH01-StereoInertial.txt ...
Saving keyframe trajectory to kf_MH01-StereoInertial.txt ...
The Time is:690 s

比如这里的“f_MH01-StereoInertial.txt”表示相机轨迹文件，“kf_MH01-StereoInertial.txt”表示关键帧轨迹文件，这两个文件都在~/catkin_ws/src/ORB_SLAM3目录下。"690 s"是运行时间。

KITTI数据集的测试

首先需要下载KITTI数据集。

可以从官网下载：KITTI数据集官网
在这里插入图片描述

它包含gray类型(第一个箭头：灰度影像、22GB)、color类型(第二个箭头：彩色影像、65GB)。我用到的是color类型。每一类型都有00~21共22个序列。
此外，还要下载地面真值数据(第五个箭头：4MB)
点击对应的链接后，输入邮箱，等一会儿就会收到一个下载链接，推荐开微批恩到迅雷中下载。

我已将KITTI数据集的gray类型数据、color类型数据、地面真值数据上传到我的百度网盘上。
链接：htt【防封】ps://pa【防封】n.ba【防封】idu.c【防封】om/s/1Z【防封】xWqd【防封】qDVD【防封】aHZ-Npkxlj【防封】OoQ
提取码：6666
其中gray类型数据就是VisualOdometry文件夹下的odometry_dataset_grayscale，color类型数据就是VisualOdometry文件夹下的data_odometry_color，地面真值数据就是VisualOdometry文件夹下的data_odometry_poses。

注意：如果是使用color类型数据，原序列中的文件夹名都是image_2和image_3，需要分别重命名为image_0和image_1。即将image_2重命名为image_0，将image_3重命名为image_1。否则会运行出错！

以下测试都以运行color类型数据的00序列为例。
将KITTI数据集整个文件夹放在~/Datasets目录下，即保证： ~/Datasets/KITTI/VisualOdometry/data_odometry_color/sequences/00/image_0目录是存在的。
测试单目模式

cd ~/catkin_ws/src/ORB_SLAM3
./Examples/Monocular/mono_kitti ./Vocabulary/ORBvoc.txt ./Examples/Monocular/KITTI00-02.yaml ~/Datasets/KITTI/VisualOdometry/data_odometry_color/sequences/00

测试双目模式

cd ~/catkin_ws/src/ORB_SLAM3
./Examples/Stereo/stereo_kitti ./Vocabulary/ORBvoc.txt ./Examples/Stereo/KITTI00-02.yaml ~/Datasets/KITTI/VisualOdometry/data_odometry_color/sequences/00

运行界面：
ORB-SLAM3运行KITTI
不管哪种模式，运行完成之后，终端都会给出输出结果：

Saving camera trajectory to CameraTrajectory.txt ...
The Time is:1381 s

同样地输出了"CameraTrajectory.txt"相机轨迹文件和运行时间。CameraTrajectory.txt在~/catkin_ws/src/ORB_SLAM3目录下。

TUM RGB-D数据集的测试

首先需要下载TUM RGB-D数据集。

可以从官网下载：TUM RGB-D数据集官网
这里使用Testing and Debugging类别的fr1/xyz序列。
下载TUM RGB-D数据集
确保下载到的rgbd_dataset_freiburg1_xyz文件夹放在~/Datasets/TUM/RGB-D/Testing and Debugging目录下！
测试：

cd ~/catkin_ws/src/ORB_SLAM3
./Examples/RGB-D/rgbd_tum ./Vocabulary/ORBvoc.txt ./Examples/RGB-D/TUM1.yaml ~/Datasets/TUM/RGB-D/"Testing and Debugging"/rgbd_dataset_freiburg1_xyz ./Examples/RGB-D/associations/fr1_xyz.txt

运行界面：
ORB-SLAM3运行TUM-RGB-D
运行完之后，终端会给出输出结果：

median tracking time: 0.0272287
mean tracking time: 0.0287242
Saving camera trajectory to CameraTrajectory.txt ...
Saving keyframe trajectory to KeyFrameTrajectory.txt ...

输出了中值跟踪时间、均值跟踪时间、相机轨迹文件、关键帧轨迹文件。

安装VINS-Fusion

安装ceres-solver 1.14.0

在github中下载ceres-solver 1.14.0源代码
下载ceres-solver 1.14.0
下载完后解压到合适目录。在ceres-solver-1.14.0目录下，打开终端，执行以下命令：

sudo apt-get install libgoogle-glog-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libeigen3-dev
sudo apt-get install libsuitesparse-dev
mkdir build
cd build
cmake ..
make -j4
sudo make install

编译VINS-Fusion

因为需要对源代码做一定修改，将VINS-Fusion修改后的源代码存放在百度网盘上了：
链接：htt【防封】ps://p【防封】an.ba【防封】idu.co【防封】m/s/1gMr【防封】XmATvnt8zM【防封】_on3le【防封】ALg
提取码：6666
解压密码：RayShark

将解压后的VINS-Fusion文件夹放在~/catkin_ws/src目录下。
在主目录下新建VINS_Output文件夹，用来存放VINS-Fusion的输出结果。

依次打开VINS-Fusion文件夹下的以下文件，搜索"rayshark"全部替换成自己的用户名。

global_fusion/src/globalOptNode.cpp
vins_estimator/src/utility/visualization.cpp
loop_fusion/src/pose_graph.cpp
config/euroc/euroc_stereo_imu_config.yaml
config/euroc/euroc_mono_imu_config.yaml
config/kitti_raw/kitti_09_30_config.yaml
config/kitti_raw/kitti_10_03_config.yaml
config/kitti_odom/kitti_config04-12.yaml
config/kitti_odom/kitti_config13-21.yaml
config/kitti_odom/kitti_config00-02.yaml
config/kitti_odom/kitti_config03.yaml

打开终端，执行以下命令：

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

测试VINS-Fusion

EuRoC数据集的测试

VINS-Fusion用到EuRoC数据集的ROS bag格式(.bag后缀)数据。
以下测试都以MH01序列为例！

测试单目+IMU模式：
打开4个终端，分别执行以下命令

source ~/catkin_ws/devel/setup.bash
roslaunch vins vins_rviz.launch

source ~/catkin_ws/devel/setup.bash
rosrun vins vins_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_mono_imu_config.yaml

source ~/catkin_ws/devel/setup.bash
rosrun loop_fusion loop_fusion_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_mono_imu_config.yaml

source ~/catkin_ws/devel/setup.bash
rosbag play ~/Datasets/EuRoC/MH_01_easy.bag

运行界面：
VINS-Fusion单目IMU模式运行EuRoC
测试双目模式：
打开4个终端，分别执行以下命令

source ~/catkin_ws/devel/setup.bash
roslaunch vins vins_rviz.launch

source ~/catkin_ws/devel/setup.bash
rosrun vins vins_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_stereo_config.yaml

source ~/catkin_ws/devel/setup.bash
rosrun loop_fusion loop_fusion_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_stereo_config.yaml

source ~/catkin_ws/devel/setup.bash
rosbag play ~/Datasets/EuRoC/MH_01_easy.bag

测试双目+IMU模式：
打开4个终端，分别执行以下命令

source ~/catkin_ws/devel/setup.bash
roslaunch vins vins_rviz.launch

source ~/catkin_ws/devel/setup.bash
rosrun vins vins_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_stereo_imu_config.yaml

source ~/catkin_ws/devel/setup.bash
rosrun loop_fusion loop_fusion_node ~/catkin_ws/src/VINS-Fusion/config/euroc/euroc_stereo_imu_config.yaml

source ~/catkin_ws/devel/setup.bash
rosbag play ~/Datasets/EuRoC/MH_01_easy.bag

运行界面：
VINS-Fusion双目IMU模式运行EuRoC
不管哪种模式，运行完成后，可以在~/VINS_Output目录中看到输出的四个文件：pose_graph.txt、pose_graph_node.txt、vio.csv、visualization.txt
这四个文件分别是源代码中pose_graph.cpp、pose_graph_node.cpp、parameters.cpp、visualization.cpp的输出。

KITTI数据集的测试

首先测试KITTI数据集color类型的00序列：
打开3个终端，分别执行以下命令

source ~/catkin_ws/devel/setup.bash
roslaunch vins vins_rviz.launch

source ~/catkin_ws/devel/setup.bash
rosrun loop_fusion loop_fusion_node ~/catkin_ws/src/VINS-Fusion/config/kitti_odom/kitti_config00-02.yaml

source ~/catkin_ws/devel/setup.bash
rosrun vins kitti_odom_test ~/catkin_ws/src/VINS-Fusion/config/kitti_odom/kitti_config00-02.yaml ~/Datasets/KITTI/VisualOdometry/data_odometry_color/sequences/00

再测试KITTI数据集RawData类型的2011_10_03_drive_0027_sync序列：
RawData类型的序列可以用官网下载：RawData下载
前边给过的KITTI数据集的百度网盘链接中也可以下载！

这里使用其中的2011_10_03_drive_0027_sync序列。
打开3个终端，分别执行以下命令

source ~/catkin_ws/devel/setup.bash
roslaunch vins vins_rviz.launch

source ~/catkin_ws/devel/setup.bash
rosrun global_fusion global_fusion_node

source ~/catkin_ws/devel/setup.bash
rosrun vins kitti_gps_test ~/catkin_ws/src/VINS-Fusion/config/kitti_raw/kitti_10_03_config.yaml ~/Datasets/KITTI/RawData/2011_10_03_drive_0027_sync

安装evo

evo是一个对SLAM结果的测评工具，可以根据时间戳将轨迹进行对齐，同时可以将不同尺度的轨迹按照标准轨迹进行拉伸对齐，并计算绝对误差、相对误差等。
注意：evo需要Python 3.7环境，而Ubuntu 18默认的环境是Python 2。

安装Python 3.7

sudo apt-get install python3.7
sudo apt install python-pip
sudo apt-get install aptitude
sudo aptitude install python3-tk
sudo aptitude install tk-dev

将当前Python环境调整为Python 3.7：

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.6 1
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.7 2

注意：因为Ubuntu 18默认的环境是Python 2而此时切换成了Python 3.7，可以发现此时按快捷键Ctrl + Alt + T无法呼出终端，稍后解决！先暂时在桌面右键打开终端。

此时终端执行"python"命令，应该可以显示python 3.7

配置evo

去evo官网下载：evo官网
下载源代码后，解压到适当位置，在evo目录下打开终端，执行以下命令：

pip install --editable . --upgrade --no-binary evo
sudo python setup.py develop
pip install --upgrade setuptools
pip install . --user --upgrade
pip install --user PyQt5

测试evo

在evo目录下打开终端，执行以下命令：

cd test/data
evo_traj kitti KITTI_00_ORB.txt KITTI_00_SPTAM.txt --ref=KITTI_00_gt.txt -p --plot_mode=xyz

Python环境切换

仅当需要使用evo时，执行以下命令，切换到Python3环境。此时ORB-SLAM3和VINS-Fusion可能不能正常运行。

sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.6 1
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.7 2

evo使用完成后，再执行以下命令，切换到常规Python环境：

sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.7 1
sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.6 2
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 150

使用evo

对ORB-SLAM3结果的评估

ORB-SLAM3运行结束后，会得到相机轨迹文件CameraTrajectory.txt。

（1）评估运行EuRoC数据集的MH01序列：

将CameraTrajectory.txt复制到合适目录下重命名为"MH01.txt"，将相机的真实轨迹文件~/Datasets/EuRoC/MH_01_easy/mav0/state_groundtruth_estimate0/data.csv也复制到该目录下。
下面需要将data.csv转换为8列的TUM数据格式，在当前目录下打开终端，执行：

evo_traj euroc data.csv --save_as_tum

就会生成data.tum文件。

之后为了对齐时间戳，在当前目录下新建"Align.py"，写入以下内容：

from evo.tools import file_interface
traj = file_interface.read_tum_trajectory_file("MH01.txt")
traj.timestamps = traj.timestamps / 1e9
file_interface.write_tum_trajectory_file("MH01_clean.txt", traj)

在当前目录下打开终端，执行"python Align.py"，就会得到"MH01_clean.txt"
之后执行以下命令计算绝对误差(注意：相机的真实轨迹文件在前，计算得到的轨迹文件在后)

evo_ape tum data.tum MH01_clean.txt -va --plot --plot_mode xyz

绝对误差
一般取RMSE值，即这里的绝对误差为：4.4424厘米。

执行以下命令计算相对误差：

evo_rpe tum data.tum MH01_clean.txt -va --plot --plot_mode xyz

（2）评估运行KITTI数据集的01序列：

将ORB-SLAM3运行KITTI数据集生成的相机轨迹文件"CameraTrajectory.txt"复制到合适目录下重命名为"01.txt"。

在KITTI数据集目录下的"VisualOdometry\data_odometry_poses\poses"处找到相机的真实轨迹文件"01.txt"，复制到相同的目录下重命名为"01_gt.txt"。

执行以下命令计算绝对误差(注意：相机的真实轨迹文件在前，计算得到的轨迹文件在后)

evo_ape kitti 01_gt.txt 01.txt -va --plot --plot_mode xyz

绝对误差
这里的绝对误差为：7.53米。

执行以下命令计算相对误差：

evo_rpe kitti 01_gt.txt 01.txt -va --plot --plot_mode xyz

对VINS-Fusion结果的评估

（1）评估运行EuRoC数据集的MH01序列：

将"~/VINS_Output/pose_graph_node.txt"复制到合适位置，重命名为"MH01.txt"。

用Ubuntu自带的gedit打开"MH01.txt"，利用查找和替换功能，勾选"正则表达式"，查找" $"(空格+’$’)，点击"全部替换"，就可以将每一行末尾带的空格都给去掉。记得点击"保存"。
查找和替换
将相机的真实轨迹文件~/Datasets/EuRoC/MH_01_easy/mav0/state_groundtruth_estimate0/data.csv也复制到该目录下。
下面需要将data.csv转换为8列的TUM数据格式，在当前目录下打开终端，执行：

evo_traj euroc data.csv --save_as_tum

就会生成data.tum文件。
执行以下命令计算绝对误差

evo_ape tum data.tum MH01.txt -va --plot --plot_mode xyz

执行以下命令计算相对误差

evo_rpe tum data.tum MH01.txt -va --plot --plot_mode xyz

（2）评估运行KITTI数据集的01序列：

将"~/VINS_Output/vio.txt"复制到合适位置，重命名为"01.txt"。

在KITTI数据集目录下的"VisualOdometry\data_odometry_poses\poses"处找到相机的真实轨迹文件"01.txt"，复制到相同的目录下重命名为"01_gt.txt"。
执行以下命令计算绝对误差

evo_ape kitti 01_gt.txt 01.txt -va --plot --plot_mode xyz

执行以下命令计算相对误差

evo_rpe kitti 01_gt.txt 01.txt -va --plot --plot_mode xyz
RayShark1
关注
  • 5
    点赞
  • 踩
  • 59
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
专栏目录
python安装xlrd模块_python3.7 安装 xlrd 模块---Mac
weixin_39531992的博客
11-27 390
要用Excel将数据和代码分离，需要import xlrd, 使用前需要先安装xlrd模块。说明：通过在google中搜索“xlrd Mac”，下载xlrd.py模块（下载地址：http://mac.softpedia.com/progDownload/xlrd-Download-48230.html）， 但是只有0.7.1版本的，可能因为版本比较低，安装之后可以正常import xlrd,但是...
Ubuntu18.04运行Vins-Fusion
wzj5530的专栏
04-10 6057
一. 安装ros 不同的ubuntu版本对应不同版本的ros，具体可查询ros官网 http://wiki.ros.org/ROS/Installation ubuntu16.04以及更老的版本对应ROS Kinetic Kame ubuntu18.04对应ROS Melodic Morenia ubuntu20.04对应ROS Noetic Ninjemys 下面开始安装ROS Melodic，详细安装教程可以参考下面的官网连接： http://wiki.ros.org/melodic/In
SemanticKITTI 拼接语义点云帧
Don_tknowwhat的博客
06-13 709
SemanticKITTI 提供的官方的转换脚本仓库，但是我是在服务器上做实验，用不到数据可视化的功能，只想把目前主流的各个室外场景数据集（SemanticKITTI、Waymo、NuScenes）转换成 numpy 容易读取的 npy 或者 npz 格式文件，这样方便训练，统一了格式。中的每一行的转移矩阵，因为这个矩阵是基于车载设备的左边第一个灰度相机的，而激光雷达的坐标系不是这个，需要根据。中每一行代表的灰度相机相对于第一帧的变换矩阵转换成了基于激光雷达坐标系的相对变换矩阵。
从零开始的Linux（5）ubuntu18.04下运行VINS-Mono/VINS-RGBD（保姆级超级详细教程）
m0_69248655的博客
10-30 1091
这里记录了我安装运行vins-rgbd踩的很多坑，希望能帮到你。
SLAM评测工具的使用
DenineLu的博客
07-27 597
EVO评测工具与TUM官方评测工具的使用 EVO评测工具 1. EVO的安装 pip install evo --upgrade --no-binary evo 安装完成后，输入 evo 这样表示成功，如果提示找不到命令，可以重启电脑，或者将evo的包位置添加到环境变量中。即编辑 .bashrc文件 添加如下代码 export PATH=$PATH:~/.local/bin 保存后， source ~/.bashrc 此时便可使用evo 2. EVO的使用 比较估计轨迹与真实轨迹的ATE evo_
EVO Evaluation of SLAM 4 --- ORB-SLAM3 编译和利用数据集运行
一个摩羯座的程序猿 的 知识笔记
10-29 5940
之前编译ORB-SLAM3的时候是用现在电脑上的环境，用源码编译遇到的坑已经在之前的文章中列出来，有问题的童鞋可以看看： ORB-SLAM3 Ubuntu ros melodic 编译的坑 自己修改的源码在github上，欢迎大家指正： https://github.com/shanpenghui/ORB_SLAM3_Fixed.git 如果用新安装Ubuntu系统的电脑进行编译的话，需要进行Pangolin的安装， 地址是： https://github.com/stevenlovegrove/Pang
ubuntun18.04安装SLAM相关软件库
01-07
Ubuntu14.04下的环境是根据《视觉SLAM十四讲 从理论到实践》书中的提示进行安装的。在Ubuntu18.04下安装有些库的安装和依赖改变，还是有一些坑的。 修改源Ubuntu 18.04的默认源 1、输入命令修改sources.list文件，...
Ubuntu18.04配置《视觉SLAM十四讲》环境以及部分错误修正亲测【从零开始配置】
02-15
Ubuntu18.04配置《视觉SLAM十四讲》环境以及部分错误修正亲测【从零开始配置】
PCDViewer-5.0.0-Ubuntu18.04.rar
最新发布
06-23
PCDViewer 5.0.0 是一款专为 Ubuntu 18.04 操作系统设计的轻量化且功能丰富的点云处理软件，它为用户提供了高效、直观的点云数据查看和编辑解决方案。这款软件不仅支持多种点云格式，如 PCD、PLY 和 LAS，还具备处理...
轮趣树莓派ubuntu18.04源码
06-17
"轮趣树莓派ubuntu18.04源码"是一个专门为树莓派设计的开源项目，用于在Ubuntu 18.04操作系统上进行机器人技术的开发。这个项目涵盖了多个关键领域，如激光雷达（LIDAR）、深度相机、机械臂以及摄像头的集成与控制。...
GCNv2-SLAM-for-cpu-配置流程记录.zip
12-10
首先，确保你拥有一个适合开发的Linux环境，如Ubuntu 18.04或更高版本。安装必要的基础软件包，包括Git、CMake、CUDA（虽然此处是CPU版本，但部分库可能需要）、OpenCV、Eigen、g++等。执行以下命令安装： ```bash ...
使用matlab画ORBSLAM2运行保存的轨迹文件
03-06
使用matlab画ORBSLAM2运行保存的轨迹文件:对产生的轨迹进行绘制,保存的KeyFrameTrajectory.txt格式.保存的格式为时间戳+平移+旋转.绘制轨迹其实只要有平移就行了,因为在图上体现不出一个点的方向
ORB_SLAM2跑TUM——单目和RGBD数据集
xyt723916的博客
04-18 9540
2019年4月18日，昨天实验了跑ORB-SLAM2的单目，今天早上跑的RGB-D，不是在ROS下跑的（这个还需要探索探索）。 环境和数据准备 Ubuntu 16.04 1.ORB-SLAM2编译 先对ORB-SLAM2的程序进行编译 cd ORB_SLAM2 chmod +x build.sh ./build.sh 编译结果如图 2.TUM 数据集准备+单目运行 从这个网址下载tum数据...
SLAM学习之路---绘制相机轨迹
McQueen_LT的博客
07-25 3415
一、概述 相机轨迹指相机在运动过程中每一帧的相机位姿由第一帧的相机位姿通过刚体变换（旋转矩阵和平移向量组成一个4x4的变换矩阵）而得到的，而这一系列的变换矩阵则组成了该相机的运动轨迹。本篇文章通过学习《视觉SLAM十四讲》第二版第三讲来记录。 二、轨迹绘制思路 以第一帧对应的相机位姿为参考，可将第一帧位姿的原点设置为世界坐标系原点，第一帧的x轴为(1, 0, 0)，y轴为(0, 1, 0)，z轴为(0, 0, 1)。 从相机轨迹文件中得到每一帧的变换矩阵，从第二帧开始，每一帧的变换矩阵乘上第一帧的相
python 段错误_段错误 核心已转储尝试解决
weixin_30511777的博客
12-24 4273
1.在进行gdb pythonr XX.pywhere调试时，报出以下错误：1)每次运行都开38个线程，是否是线程超载[New Thread 0x7ffff2fd2700 (LWP 7415)][New Thread0x7ffff27d1700 (LWP 7416)][New Thread0x7fffeffd0700 (LWP 7417)][New Thread0x7fffeb7cf700 (LW...
ORB-SLAM3 单目惯导ros-system-track
xiaoma_bk的博客
11-03 3951
单目 ros + system + 单目 tracking tracking开始后，track函数一致
KITTI数据真值处理
weixin_41169280的博客
03-18 4405
1：KITTI数据odometry数据提供真值包含两个文件夹 其中一个是位姿，一个是相对应的时间和校准参数，将对应的00.txt 与times.txt放入evo文件夹内： 使用指令将12列的kitti轨迹格式真值转换成8列格式的tum轨迹格式 python kitti_poses_and_timestamps_to_trajectory.py 00.txt times.txt kitti_00_gt.txt 转换得到tum格式的真值后,我们可以进行评定,将我们得到的vio_GPS_global.t
Ubuntu18.04上编译并跑通VINS-Fusion
xywy2008的专栏
01-13 4397
VINS-Fusion github地址：​​​​​​GitHub - HKUST-Aerial-Robotics/VINS-Fusion: An optimization-based multi-sensor state estimatorAn optimization-based multi-sensor state estimator - GitHub - HKUST-Aerial-Robotics/VINS-Fusion: An optimization-based multi-sensor st.
ORB-SLAM3在ubuntu18.04
08-26
要在 Ubuntu 18.04 上安装 ORB-SLAM3，请按以下步骤进行： 1. 下载 ORB-SLAM3 源代码： ``` git clone https://github.com/UZ-SLAMLab/ORB_SLAM3.git ``` 2. 安装依赖项： ``` sudo apt-get install build-...
评论 4
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

打赏作者

RayShark1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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