塔克机器人 Ubuntu18.04上运行ORB_SLAM3（包括运行Euroc数据集和通过单目、RGB-D相机模式实时获取前端数据）

最新推荐文章于 2024-07-11 14:41:58 发布
最新推荐文章于 2024-07-11 14:41:58 发布
阅读量1k 收藏 18
点赞数 3
文章标签： 机器人 ubuntu opencv 计算机视觉
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_45152283/article/details/133901686
版权
本文详细介绍了如何在Ubuntu18.04环境下安装NoMachine软件、配置ORB-SLAM3所需的依赖库（如C++版本、Pangolin、Eigen3.5、OpenCV、DBoW2、g2o和Python），以及编译和运行ORB-SLAM3，包括解决网络连接、OpenCV版本不匹配等问题。
摘要由CSDN通过智能技术生成

前端时间看过视觉slam相关方向，实验室刚好有一台小车，所以试着在上面跑了一下ORB-SLAM3，下面是操作步骤和遇到的问题总结。如果是需要直接Ubuntu18.04上跑ORB_SLAM3的朋友可以忽略第一节的内容。

一、安装NoMachine软件

  1. 在PC机上安装NoMachine软件，用于方便操纵机器人系统。安装完成后，打开NoMachine软件，出现如下界面，点击OK。
    在这里插入图片描述
    2.NoMachine软件自动搜索同一局域网下的机器人系统，需要等一段时间。出现图标后，双击打开。（注意：必须让PC机和机器人处于同一局域网内，我使用的是手机热点）
    在这里插入图片描述
    如果出现错误：
    在这里插入图片描述
    报错信息的意思是不能连接到端口为4000的ip地址为192.168.55.1的机器人系统。
    在这里插入图片描述
    查阅机器人系统的ip地址，在机器人系统打开一个终端，输入ifconfig,可以出现下面的信息：
    在这里插入图片描述
    所以机器人系统的ip地址为192.168.43.64，在host那里修改，如图所示：
    在这里插入图片描述
    3.输入用户名和密码，然后点击login。
    在这里插入图片描述
    4.连接成功。
    在这里插入图片描述

二、ORB_SLAM3相关环境安装

1.检查C++版本

首先去github上面看readme：
在这里插入图片描述
检验C++版本，要必须显示支持 C++11特性
(1) 打开终端，新建一个main.cpp

touch main.cpp
vim main.cpp

(2) 编译main.cpp

g++ -std=c++11 -o main main.cpp

(3) 检验编译是否成功

echo $?

这个命令的含义是：返回上一条命令的执行结果，成功就返回0，不成功则不是0的一个整数。这里还可以打印出main.cpp的结果来建议是否编译成功，输入./main
在这里插入图片描述
(4) 检验gcc版本

gcc -v

在这里插入图片描述

2.安装Pangolin

(1) 将github上的Pangolin包下载到本地

git clone https://github.com/stevenlovegrove/Pangolin.git

(2) 将Pangolin包解压后，打开一个终端，输入命令，进入Pangolin文件

cd Pangolin

(3) 使用mkdir创建一个build文件夹

mkdir build

(4) 进入build文件

cd build

(5) 链接配置文件

cmake ..

(6) 调用与构建平台相关的构建命令

cmake --build

(7) 安装

sudo make install

(8) 8.检验是否安装成功。进入到了build/examples/HelloPangolin文件夹下，运行了一个HelloPangolin的示例。如果出现一个立方体的就表明安装成功了！

cd build/examples/HelloPangolin
./HelloPangolin

在这里插入图片描述
在这里插入图片描述

3.安装Eigen3.5

（1）下载Eigen3.3.5，ORB_SLAM的github上说的是最少3.1.0，但是经过我的安装测试，3.1.0并不能满足我们的需求，后期用ROS启动时候3.1.0编译是会报错，采取3.3.5，为了减少后期的卸载安装的麻烦，我们直接使用3.3.5。Eigen3.3.5的gitlab地址：Eigen3.3.5
（2）将压缩包放到我们的工作区间进行解压，然后进入eigen-3.3.5文件夹，打开终端，新建一个build文件mkdir build
（3）进入build文件cd build
（4）链接置文件cmake ..
（5）安装sudo make install
在这里插入图片描述
（6）检验是否安装成功。打开一个新的终端，运行下面的命令locate eigen3可以查看eigen3的位置。
在这里插入图片描述

4.安装OpenCV

因为塔克机器人已自带ROS系统，并且该ROS系统自带opencv3.3.1 可通过命令pkg-config --modversion opencv查询，所以这里便不再单独安装了。如果需要的朋友可以参看OpenCV安装
在这里插入图片描述

5.安装DBoW2和g2o

源码中有，无需下载，在后面编译ORB_SLAM3时进行编译

6.安装Python

运行下面的命令进行安装：sudo apt install libpython2.7-dev
出现不能下载的问题：
在这里插入图片描述
解决方法：运行命令sudo apt-get update 再运行sudo apt install libpython2.7-dev就能安装成功了
在这里插入图片描述

三、编译ORB_SLAM3

（1）在工作空间下，打开终端，获取ORB_SLAM3的源码

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

在这里插入图片描述

可能会出现超时的错误，这是代理出错导致的。我的解决方法是：

git clone http://github.com/UZ-SLAMLab/ORB_SLAM3.git ORB_SLAM3

下载成功
在这里插入图片描述
（2）下载成功后，进入 ORB_SLAM3文件夹cd ORB_SLAM3
（3）给build.sh赋予可允许权限chmod +x build.sh
（4）4.网上很多博主的方法到这一步是直接输入./build.sh命令直接运行build.sh脚本，这样直接运行就会导致编译出错时不知道问题的原因。查看build.sh脚本在这里插入图片描述
在这里插入图片描述
我们会发现这个脚本是直接编译了5个文档，连续编译5个，很容易出现不知道错误是哪个文档的现象，所以我们这里分开进行编译。
（a）在ORB_SLAM3文件夹下打开终端，编译Thirdparty/DBoW2

cd Thirdparty/DBoW2
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j

在这里插入图片描述
（b）编译成功后，编译g2o

cd ../../g2o
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release
make -j

在这里插入图片描述
（c）编译成功后，编译Sophus

cd ../../Sophus
mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release

！！注意：make -j(这一步先不忙运行，解释如下)需要改成make -l
在这里插入图片描述
我们可以看到在build.sh脚本中，最后一行是make -j命令。但是在终端输入make -j后，机器人系统就会卡死，这是因为运行内存不足导致的。接着尝试make -2和make -j4命令（其中make -j带一个参数，可以把项目进行并行编译，如make -j4就是让 make最多允许4个编译命令同时执行，这样可以有效的利用CPU），但是这两个命令虽然能够进行编译，但是编译速度很慢，到一定进度后，机器人操作系统就又卡死。机器人卡死后，执行ctrl +C，退出命令。如下图
在这里插入图片描述
接着尝试make -l命令（编译的过程还是需要很长的时间，耐心等待），编译成功！查阅资料得知：make带两个参数的含义：
-j 其实对应的是 --jobs，表示可以同步进行的任务
-l 其实对应的是 --load-average， 表示系统加载的任务数
在这里插入图片描述
（d）编译成功后，进入Vocabulary解压文件

cd ../../../
cd Vocabulary
tar -xf ORBvoc.txt.tar.gz
cd ..

（e）最后构建ORB_SLAM3

mkdir build
cd build
cmake .. -DCMAKE_BUILD_TYPE=Release

如果出现下面的错误：
在这里插入图片描述
这个错误的信息就是不能找到一个OpenCV的配置文件与4.4版本相兼容，找到一个4.1.1版本的配置文件，但是不能够被使用。所示我们现在就需要修改ORB_SLAM3文件夹下的CMakeList.txt 中上图位置
原文：

find_package(OpenCV 4.4)改为find_package(OpenCV4.1.1)
LIST(APPENDCMAKE_MODULE_PATH${PROJECT_SOURCE_DIR}/cmake_modules)
find_package(OpenCV 4.4)
if(NOT OpenCV_FOUND)
message(FATAL_ERROR “OpenCV > 4.4 not found.”)
endif()

改为：

LIST(APPENDCMAKE_MODULE_PATH${PROJECT_SOURCE_DIR}/cmake_modules)
find_package(OpenCV 4.1.1)
if(NOT OpenCV_FOUND)
message(FATAL_ERROR “OpenCV > 4.4 not found.”)
endif()

在这里插入图片描述
在这里插入图片描述
修改完后点击保存，再次运行cmake .. -DCMAKE_BUILD_TYPE=Release命令，成功！
在这里插入图片描述
将make -j4改成make -l，和第三个文档的原理一样，运行make -j4机器人系统将直接卡死，改成make -l可以进行编译，这个过程比较慢，大概需要一个小时，需要耐心等待。出现下面的提示不用管，这是提示系统运行内存不足。
在这里插入图片描述
在这里插入图片描述
至此，ORB_SLAM3安装完成！！！

四、ORB_SLAM3上跑公开数据集

1.从官网上下载数据集 ，这里下载的是Euroc数据集Euroc数据集下载地址，ASL格式，如下图所示。
在这里插入图片描述
2.路径的修改。这里首先需要在ORB_SLAM3文件夹下面新建一个dataset文件夹，将下载的Euroc数据集解压到dataset文件夹里面（我这里的路径是这样的，路径一定不能错！！！）
在这里插入图片描述
3.双击打开ORB_SLAM3源码中的脚本“euroc_examples.sh”，但是发现ORB_SLAM3源码
中没有这个文件,应该是作者删除了。查阅资料发现是因为下载的1.0版本，在以前0.4版本里面就有“euroc_examples.sh”。在其他的github仓库可以找到，地址：0.4版本ORB_SLAM3
如图：这个启动文件内是一个启动文件命令集合，我们选取其中的某一个命令行运行即可。在这里，我选择的euroc_examples.sh
在这里插入图片描述
将新下载的ORB_SLAM3解压，将其中的euroc_examples.sh复制到原本的ORB_SLAM3工作空间。找到包含MH01的指令
在这里插入图片描述
修改为：（注意路径和我之前安装的一致）

./Examples/Monocular/mono_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular/EuRoC.yaml ./dataset/MH01 ./Examples/Monocular/EuRoC_TimeStamps/MH01.txt

在这里插入图片描述
4.在ORB_SLAM3中打开终端，运行一下命令，数据集运行成功，ORB_SLAM3安装成功！

./Examples/Monocular/mono_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular/EuRoC.yaml ./dataset/MH01 ./Examples/Monocular/EuRoC_TimeStamps/MH01.txt

虽然运行成功，但是不能出现界面，因为我安装的是OpenCV1.0的版本。解决办法：
找到ORB_SLAM3/Examples/Monocular下的mono_eurocc.cc文件。把这一行的false改为true, ORB_SLAM3::System SLAM(argv[1],argv[2],ORB_SLAM3::System::MONOCULAR, false); Pangolin的可视化界面就可以出现了。
在这里插入图片描述
点击保存后，还需要重新编译（注意：以.cc文件结尾的文件，在修改之后必须要重新进行编译）在ORB_SLAM3文件目录下打开一个终端，输入

chmod +x build.sh
./build.sh

这次编译不同于第一次，会很快通过的！编译成功之后再次运行，就会出现界面啦！

./Examples/Monocular/mono_euroc ./Vocabulary/ORBvoc.txt ./Examples/Monocular/EuRoC.yaml ./dataset/MH01 ./Examples/Monocular/EuRoC_TimeStamps/MH01.txt

在这里插入图片描述
在这里插入图片描述

五、单目模式下运行ORB_SLAM3

1.1.ROS部分的编译。根据github的ROS部分来，先在~ /.bashrc环境中添加环境变量，值得一提的是，由于orb_slam作者的更新，ROS示例被放到了Examples_old位置，所以编译文件时应该注意，我们不再是进入Examples，而是进入到Examples_old。在~/.bashrc中添加环境变量的操作如下：

  • 打开~/.bashrc sudo gedit ~/.bashrc
  • 在最后一行添加环境变量（一定要添加到最后一行！！！如果不放在bashrc的最后一行，环境变量是写入不进去的！）其中PATH要替换成自己的工作空间路径。
export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:PATH/ORB_SLAM3/Examples_old/ROS

在这里插入图片描述

  • 验证一下ROS的环境变量，输入echo $ROS_PACKAGE_PATH
    在这里插入图片描述
    如果显示不对，就在终端输入命令source .bashrc进行文件的刷新，然后再次运行命令echo $ROS_PACKAGE_PATH 就可以显示正确了。
  • 最后进入Examples_old/ORS/ORB_SLAM3进行编译
cd Examples_old/ROS/ORB_SLAM3
mkdir build
cd build
cmake .. -DROS_BUILD_TYPE=Release 
make l  (运行这行命令有错，解决在下面)

错误解答：
报错一：cv::Mat Tcw = mpSLAM->TrackMonocular(cv_ptr->image,cv_ptr->header.stamp.toSec());
找到ORB_SLAM3/Examples_old/ROS/ORB_SLAM3/src/AR下的ros_mono_ar.cc文件将：
cv::Mat Tcw = mpSLAM->TrackMonocular(cv_ptr->image,cv_ptr->header.stamp.toSec());
替换为：
cv::Mat Tcw;
Sophus::SE3f Tcw_SE3f = mpSLAM->
TrackMonocular(cv_ptr->image,cv_ptr->header.stamp.toSec());
Eigen::Matrix4f Tcw_Matrix = Tcw_SE3f.matrix();
cv::eigen2cv(Tcw_Matrix, Tcw);
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
错误二：vPoints.push_back(pMP->GetWorldPos());
找到ORB_SLAM3/Examples_old/ROS/ORB_SLAM3/src/AR下的ViewerAR.cc文件将错误
vPoints.push_back(pMP->GetWorldPos());改为：
cv::Mat WorldPos;
cv::eigen2cv(pMP->GetWorldPos(), WorldPos);
vPoints.push_back(WorldPos);
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
**错误三：**同样在ORB_SLAM3/Examples_old/ROS/ORB_SLAM3/src/AR下的ViewerAR.cc文件
将cv::Mat Xw = pMP->GetWorldPos();改为：
cv::Mat Xw;
cv::eigen2cv(pMP->GetWorldPos(), Xw);

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
错误四：error: ‘eigen2cv’ is not a member of ‘cv’
找到ORB_SLAM3/Examples_old/ROS/ORB_SLAM3路径下的CMakeLists.txt，注释掉其中关于AR的部分解决问题
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
错误解决后，再次运行make -l，编译成功！
在这里插入图片描述
2.打开一个终端运行：roscore
在这里插入图片描述
3.再打开一个终端运行,通过SSH命令连接到机器人，运行摄像头节点：

roslaunch xtark_ros_wrapper xtark_camera.launch

出现下面的界面就表示摄像头成功启动啦！
在这里插入图片描述
4.另外再打开一个终端，通过输入rviz，打开rviz工具查看，查看摄像头界面。
在这里插入图片描述
然后再按照图片中的顺序，执行步骤，会出现以下的界面，就说明摄像头启动成功了！看到成功之后，可以将rviz工具关闭。
在这里插入图片描述
在这里插入图片描述
5.运行命令，查看所有的订阅话题：rostopic list
在这里插入图片描述
其中/usb_cam/image_raw就是摄像头的话题
6.修改代码在/home/xtark/ORB_SLAM3/Examples_old/ROS/ORB_SLAM3/src目录下找到：ros_mono.cc文件，打开找到并修改成我们自己摄像头的订阅/usb_cam/image_raw
在这里插入图片描述
在这里插入图片描述
7.回到ORB_SLAM主目录，打开终端，把刚刚修改的代码进行编译./build_ros.sh

在这里插入图片描述
8.另开一个终端运行（/home/xtark/注意这里的路径需要修改成自己的文件路径）

Rosrun ORB_SLAM3 Mono /home/xtark/ORB_SLAM3/Vocabulary/ORBvoc.txt /home/xtark/ORB_SLAM3/Examples_old/ROS/ORB_SLAM3/Asus.yaml

错误一：首选这里出现[rosrun] Couldn’t find executable named Mono错误（忘记截图了），解决方法是在/ORB_SLAM3/Examples_old/ROS/ORB_SLAM3文件夹下打开终端运行：

chmod +x build_ros.sh
./build_ros.sh

运行成功后，在/ORB_SLAM3/Examples_old/ROS/ORB_SLAM3文件下就生成了Mono文件了！
**错误二：接下来这个错误花费很长的时间解决！（这里忘记截图了）运行到图片的中的最后一步后就出现Monocular Segmentation fault (core dumped)**这个错误，中文是分段错误（堆芯转储），不理解。
在这里插入图片描述
在网上查阅资料，说是需要进行gdb调试（这个方法行不通，不能解决这个错误）。网上关于这个错误的解决博客不多，最后在github上的一篇文章中找到相关的问题（https://github.com/UZ-SLAMLab/ORB_SLAM3/issues/333）
本篇文章下面的评论中是这样提到：这可能是由 ./build.sh 和 ./build_ros.sh 中使用的不同版本的 OpenCV 造成的。在 ORB_SLAM3/Thirdparty/DBoW2/CMakeLists.txt 和 ORB_SLAM3/CMakeLists.txt 中，它需要 opencv 4。但在ORB_SLAM3/Examples_old/ROS/ORB_SLAM3/CMakeLists.txt中，它需要opencv 3。我已经在外面安装了opencv4.1.0，在ros中安装了opencv3.3.1。最后，它导致了分割错误。
根据提示，查询我们的OpenCV版本。ROS机器人系统已安装的是opencv3.3.1。但是我们在安装ORB_SLAM3对build.sh进行编译的时候，给我们提示的错误信息是需要4.1.1版本的，所以我们当时把CMakeLists文件中的opencv版本改成4.1.1。编译是能够通过的。但是进行ROS编译需要都把opencv同一成3.3.1版本的。所以我们这里的错误就是OpenCV版本不一致导致的。接下来进行如下的操作，统一OpenCV的版本：
（1）分别把/ORB_SLAM3文件夹和/ORB_SLAM3/Thirdparty/DBoW2文件夹下的CMakeLists文件中的opencv改成3.3.1版本的。同时还需要添加设置找opencv文件的语句:set(OpenCV_DIR /home/xtark/Software/opemcv-3.3.1/build) 这句话必须添加，我最开始就没有添加，把前面版本号修改之后直接进行rosrun操作就会报同样的错误！！！
在这里插入图片描述
在这里插入图片描述
（2）然后在路径下/usr/lib/aarch64-linux-gnu/cmake/opencv4 找到OpenCVConfig.cmake文件，并把其中包含4.1.1的代码全部改成3.3.1
在这里插入图片描述
在这里插入图片描述
（3）最后回到ORB_SLAM3文件夹下，重新进行编译。

Chmod +x build.sh
./build.sh

以及

Chmod +x build_ros.sh
/build_ros.sh

最后再次运行==Rosrun ORB_SLAM3 Mono /home/xtark/ORB_SLAM3/Vocabulary/ORBvoc.txt /home/xtark/ORB_SLAM3/Examples_old/ROS/ORB_SLAM3/Asus.yaml == 运行成功！
在这里插入图片描述
9.移动机器人

（1）首先通过SSH命令连接到机器人，运行机器人底盘驱动节点。保持机器人静止，等待机器人底盘启动。roslaunch xtark_ros_wrapper xtark_driver.launch
在这里插入图片描述
（2）再新建终端，SSH连接到机器人后，运行键盘控制节点。显示界面如下，可通过按键对机器人进行控制。

roslaunch xtark_ctl xtark_keyboard.launch

K 停止
I、J、<、L 前、后、左、右
q/z 最大速度增加/减少10%
w/z 仅线性速度增减/减少10%
在这里插入图片描述
在这里插入图片描述

六、RGB-D模式下运行ORB_SLAM3

1.执行命令查询设备号lsusb执行完成后可以见到下面的信息，其中502是彩色相机，403是深度相机
在这里插入图片描述

2.在~/ros_ws/src/ros_astra_camera/launch/astrapro.launch文件下，找到 name=”product” 的位置，将 value 改为上面查询到的彩色相机的设备号
在这里插入图片描述
在这里插入图片描述
3.启动相机

roslaunch astra_camera astrapro.launch

出现如下的错误,这是因为权限导致的。这里发现一个问题：单目摄像头和RGBD摄像头不能同时共存。因为我在将这里的权限修改之后，发现不能运行单目摄像头了，然后取下摄像头，再安上，单目摄像头可以运行了。但是在此运行RGBD摄像头就又出现下面的错误信息。
在这里插入图片描述
在这里插入图片描述
解决方法：另起一个终端输入以下命令（这里的008要和错误提示信息对应）：

sudo chmod 777 /dev/bus/usb/001/008

在这里插入图片描述
4.运行命令：

rosrun ORB_SLAM3 RGBD /home/xtark/ORB_SLAM3/Vocabulary/ORBvoc.txt /home/xtark/ORB_SLAM3/Examples_old/ROS/ORB_SLAM3/Asus.yaml

运行成功！到此机器人便可以成功通过单目摄像头和RGBD摄像头跑ORB_SLAM3了！！！
在这里插入图片描述

迷糊胖
关注
  • 3
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
ORB-SLAM3算法2之EuRoc开源数据集运行ORB-SLAM3生成轨迹并用evo工具评估轨迹
重点记录机器人和自动驾驶相关领域的技术，尤其是计算机视觉，视觉SLAM等，不仅有前言文献或必备算法的学习，也会有实际应用的点滴经验
10-26 1720
ORB-SLAM3算法1 已成功编译安装ORB-SLAM3到本地，本篇目的是用EuRoc开源数据来运行ORB-SLAM3，并生成轨迹，最后用evo评估工具来评估ORB-SLAM3生成的轨迹和真值轨迹。
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 6174
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。
ORB-SLAM3的Euroc数据集测试
ljtx200888的博客
06-23 7620
（一）测试运行 不同模式测试过程（以MH_03为例） 1、pure mono 运行SLAM： cd ORB-SLAM3/Example #run slam ./Monocular/mono_euroc ../Vocabulary/ORBvoc.txt ./Monocular/EuRoC.yaml "$pathDatasetEuroc"/MH03 ./Monocular/EuRoC_TimeStamps/MH03.txt dataset-MH03_mono 利用ORB-SLAM3自带..
Ubuntu18.04运行ORB-SLAM3附带EuRoC数据集
最新发布
weixin_62838863的博客
07-11 1005
ORB-SLAM3在Ubuntu18.04中运行，附带数据集
ORB_SLAM3在ubuntu18.04下的环境搭建及测试
YOULANSHENGMENG的博客
05-12 2386
参考的博文链接： Ubuntu18.04配置ORB SLAM3_爱吃鱼的森先生的博客-CSDN博客
使用EuRoC数据集​测试ORB-SLAM3
u014374826的博客
08-31 1155
ORB-SLAM3支持的传感器模式如下：1. 单目（已测试，未通过）2. 单目-IMU（已测试，未通过）3. 双目（已测试，并通过）4. 双目-IMU（已测试，并通过）5. RGB-D（未测试）6. RGB-D-IMU（未测试）
数据集概念知晓，了解什么是数据集
04-13
数据集包含数据源连接信息、表、指定的列以及您应用的数据扩充和转换。可以将数据集用于多个工作簿和数据流中。如果更改数据集，更改会影响使用该数据集的所有工作簿和数据流。 数据集的优点是可以方便地对数据进行...
论文研究 - 使用机载磁，电磁和辐射数据集解释Konongo金矿中蕴藏潜在金矿的地质结构
05-19
为了实现这一目标，需要对机载的磁，辐射和电磁数据集进行解释，以确定研究区域中潜在的金矿赋存特征。 结果表明该区域包括变质沉积，变火山作用，塔特瓦伊组及其相关的花岗岩。 结果还表明，Tarkwaian沉积物主要在...
masjid-1t8JCi7KXMN_HXgkDkSPJyJCWxy8QwY3pOqvurcnAg5w:清真寺塔克瓦圣保罗
03-14
【标题】"masjid-1t8JCi7KXMN_HXgkDkSPJyJCWxy8QwY3pOqvurcnAg5w:清真寺塔克瓦圣保罗"指的是一个可能与清真寺塔克瓦（Taqwa Mosque）在圣保罗相关的项目或资源。这个特定的命名可能代表着一个开发或设计项目，用于...
l-曲线matlab代码-fdasrvf_MATLAB:弹性功能数据分析MATLAB代码
05-24
l-曲线矩阵代码 fdasrvf 用于弹性功能数据分析的MATLAB库 一个使用平方根速度框架进行功能数据分析的...塔克（Tucker），京东（JD），吴（W.W.）和斯里瓦斯塔瓦（Srivastava）（2013）。 使用相位和幅度分离的功能数据
ORBSLAM跑数据集
04-24
两种方法跑： 1：不在ROS跑，按照官网的步骤来就没问题很顺利，值得一说的是yaml文件是用来存相机标定结果的。association文件用它的python脚本文件就行。 2：用ROS跑，麻烦大了，首先数据需要是bag类型的。那最关键的是后面的输入参数的形式：见我的博客。
Covid_and_Politics:UC Berkeley Extension Bootcamp数据分析的最终项目（2021年3月）
03-14
政治与政治UC Berkeley Extension Bootcamp数据分析的最终项目（2021年3月）团队成员按字母顺序排列斯蒂芬·阿纳亚斯·希拉德约翰·菲利普斯梅丽莎·西巴尔（Melyssa Sibal） 艾萨克·塔克·拉斯伯里（Isaac D....
ubuntu18.04 在ROS下跑ORB_SLAM3
lwhqk的博客
12-13 504
ubuntu18.04 在ROS下跑ORB_SLAM3 意数据集MH01为例
论文翻译 | ORB-SLAM3：一个用于视觉、视觉惯性和多地图SLAM系统
惊鸿一博
12-04 1794
基本情况 题目： 出处： 代码:https://github.com/UZ-SLAMLab/ORB_SLAM3. 论文:https://arxiv.org/pdf/2007.11898.pdf. 1摘要 本文介绍了ORB-SLAM3,这是第一个能够使用单眼、双目和RGB-D相机,使用针孔和鱼眼镜头模型执行视觉、视觉惯性和多地图SLAM的系统. 第一个主要创新是基于特征的紧密集成的视觉惯性SLAM系统.它完全依赖于最大后验概率估计.甚至在IMU初始化阶段也是如此.其结果是一个...
ORB_SLAM3 + INDEMIND 双目惯性相机实时运行（Ubuntu 18.04）
qq_68717863的博客
04-26 1266
Ubuntu 18.04，ORB_SLAM3 + INDEMIND相机，实时运行双目惯性SLAM。
prometheus 无人机平台 gazeboORBSLAM3调试实现rgbd模式
Sherry__C的博客
05-31 722
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 目录 前言 一、镜像系统安装 二、prometheus镜像快速使用 1.prometheus_px4，Prometheus编译 2.下载并编译ORBSLAM3 3.在工作空间下编译ORBSLAM3 总结 前言 基于18.04的阿木实验室镜像系统，双系统非虚拟机 一、镜像系统安装 参考阿木实验室官方文档 二、prometheus镜像快速使用 1.prometheus_px4，Prometheus编译 编.
Ubuntu18.04配置ORB_SLAM3(ROS)
llllldm的博客
08-15 2345
一 文件准备去opencv官网下载opencv-3.4.5，你也可以选择其他版本，但是opencv的版本必须和opencv_contrib版本一致,官网地址：opencv官网，选择对应版本的Sources文件如下图所示，接下来下载opencv_contrib-3.4.5,链接:opencv_contrib-3.4.5具体文件如下图，其中zip格式或tar.gz格式选择一个下载即可。由于这里ros安装了一个opencv3.2.0，我们又安装了opencv3.4.5，所以会有cv_bridge的问题。...
Ubuntu18.04版本下配置ORB-SLAM3和数据集测试方法
高性价比服务器就选：蓝易云
03-17 405
记住，配置和运行ORB-SLAM3需要一些计算机视觉和Linux的基本知识。安装Eigen3: Eigen3是一个高级的C++库，用于进行线性代数、矩阵和向量操作，数值分析和相关的算法。运行ORB-SLAM3: 首先，你需要设置ORB-SLAM3库的环境变量。然后，你可以使用以下命令来运行ORB-SLAM3。安装ORB-SLAM3: 首先，从GitHub上克隆ORB-SLAM3。然后，编译ORB-SLAM3库和应用程序。系统更新和必需的软件包安装: 打开终端并运行以下命令来更新你的系统和安装必需的软件包。
评论
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