ORB-SLAM2算法安装全解析--Linux系统安装、算法编译、相机标定

最新推荐文章于 2023-10-11 16:23:19 发布

姥爷不出门

最新推荐文章于 2023-10-11 16:23:19 发布

阅读量761

点赞数 1

分类专栏：视觉SLAM 文章标签： ORB-SLAM2 单目SLAM 视觉SLAM 相机标定 Linux系统

本文链接：https://blog.csdn.net/zhyang2017/article/details/99198470

版权

视觉SLAM 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

硕士毕业论文使用ORB-SLAM2算法进行水下机器人定位，对于ORB-SLAM2算法编译网络上也有许多教程，但是均不太全面，我这里根据自己研究整理了一份较为全面的安装教程。包括Linux系统安装、算法编译、相机标定三个方面。

Linux系统安装

Linux系统使用的是Ubuntu 14.04，当然也可以使用Ubuntu16.04，根据自己的经验来看，14.04编译算法问题更少，因此建议使用14.04系统。在Windows中使用虚拟机安装Ubuntu可能会有很多问题，比如无法使用网络链接、屏幕分辨率无法调整、内存不足等问题，建议使用双系统。下面是制作Windows和Linux双系统的步骤。

下载Ubuntu14.04，网址为：http://releases.ubuntu.com/14.04。当然，也可以在国内开源软件源下载，比如清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/ubuntu-releases/14.04；
下载U盘制作工具Rufus，网址为：http://rufus.ie；
利用Rufus制作安装盘，如图；

Rufus系统制作界面

注意：装双系统要先安装Windows再安装Linux，否则Windows会将Linux系统启动项删除。如果不想安装双系统可以将Linux安装在U盘中，不过这个我没有试过，应该是可行的。
在计算机基本输入输出系统BIOS中，设置U盘启动或在启动项中选择U盘启动；
安装Ubuntu14.04，我这里只给出各模块需要的储存空间，虽然Linux运行不需要多大空间，但如果长期使用，尽可能给出一块50G左右的储存空间，后期不够用重装系统的话也影响研究进度。以50G为例，/boot，启动分区，200MB即可；SWAP，交换空间，电脑内存大于4G与内存大小一致，小于4G为两倍内存；/home，安装算法及依赖，桌面文件都在这里，20GB；/，主目录，Linux系统，剩下的空间。

双系统安装我写的是一些经验步骤，如果需要详细的步骤，可以参考https://www.cnblogs.com/Duane/p/5424218.html。

算法编译

准备工作，算法编译前你可能需要掌握一些常见的Linux命令，如果对Linux系统熟悉可跳过；

在Ubuntu14.04中将终端放入右键菜单
sudo apt-get install nautilus-open-terminal;
获取root权限
sudo passwd root;
su;
进入目录
cd ***;
新建文件夹
mkdir build;
查看隐藏文件夹
Ctrl + H；
打开终端
Ctrl + ALT + T；
多开标签
Ctrl + Shift + T;
查看软件版本
* -version；
卸载软件
sudo apt-get remove *.

编译过程

1.安装ROS Indigo，官方教程网址为：http://wiki.ros.org/cn/indigo/Installation/Ubuntu；

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://ha.pool.sks-keyservers.net:80 --recv-key 421C365BD9FF1F717815A3895523BAEEB01FA116
sudo apt-get update
sudo apt-get install ros-indigo-desktop-full
sudo rosdep init
rosdep update
echo "source /opt/ros/indigo/setup.bash" >> ~/.bashrc
source ~/.bashrc
source /opt/ros/indigo/setup.bash

2.配置变量环境；

mkdir -p ~/catkin_ws/src   #创建环境
cd ~/catkin_ws/src
cd ~/catkin_ws/  #编译
catkin_make

3.主文件夹Ctrl+h找到.bashrc，添加

source /opt/ros/indigo/setup.bash`
source ~/catkin_ws/devel/setup.bash`

4.安装其他依赖程序；

sudo apt-get install gcc g++
sudo apt-get install libglew-dev   #安装Glew
sudo apt-get install cmake         #安装CMake
sudo apt-get install libboost-dev libboost-thread-dev libboost-filesystem-dev  #安装Boost
sudo apt-get install libpython2.7-dev  #安装Python2'Python3
sudo apt-get install libeigen3-dev  #安装Eigen
sudo apt-get install libblas-dev
sudo apt-get install liblapack-dev  #BLAS and LAPACK

5.下载、编译、安装Pangolin；

git clone https://github.com/stevenlovegrove/Pangolin.git
cd Pangolin
mkdir build
cd build
cmake -DCPP11_NO_BOOST=1 ..
make
sudo make install

6.安装OpenCV-2.4.9，OpenCV安装2.4.x版本均可，全系列可在我上传的资源里下载，地址为：https://download.csdn.net/download/zhyang2017/10823333，也可在OpenCV官网下载，地址：https://opencv.org；

sudo apt-get install build-essential
sudo apt-get install libcv-dev 
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
cd opencv-2.4.9
mkdir build
cd build
cmake ..
make
sudo make install

7.安装摄像头驱动；

sudo apt-get install ros-indigo-image-view, v4l-utils
cd ~/catkin_ws/src
git clone https://github.com/bosch-ros-pkg/usb_cam.git
cd ..
catkin_make
source ~/catkin-ws/devel/setup.bash

进入~/catkin-ws/usb_cam/src/usb_cam/launch/usb_cam-test.launch，以usb_cam-test.launch为参考新建usb_cam.launch

<launch>
  <node name="usb_cam" pkg="usb_cam" type="usb_cam_node" output="screen" >
    <param name="video_device" value="/dev/video0" />
    <param name="image_width" value="640" />
    <param name="image_height" value="480" />
    <param name="pixel_format" value="yuyv" />
    <param name="camera_frame_id" value="usb_cam" />
    <param name="io_method" value="mmap"/>
  </node>
  <node name="image_view" pkg="image_view" type="image_view" respawn="false" output="screen">
    <remap from="image" to="/usb_cam/image_raw"/>
    <param name="autosize" value="true" />
  </node>
</launch>

roscore
cd ~/catkin_ws/
source devel/setup.sh
roslaunch usb_cam usb_cam.launch  #调试摄像头

8.编译ORB_SLAM2算法；

sudo apt-get install libblas-dev
sudo apt-get install liblapack-dev

git clone https://github.com/raulmur/ORB_SLAM2.git

把ORB_SLAM2放到catkin_ws/src下

cd /home/zhyang/catkin_ws/src/ORB_SLAM2
chmod +x build.sh
./build.sh

cd ~
sudo gedit .bashrc
export ROS_PACKAGE_PATH=${ROS_PACKAGE_PATH}:/home/zhyang/catkin_ws/src/ORB_SLAM2/Examples/ROS

将/home/zhyang/catkin_ws/src/ORB_SLAM2/Examples/ROS/ORB_SLAM2/src/ros_mono.cc以及../AR/ros_mono_ar.cc中某代码修改为：

ros::Subscriber sub = nodeHandler.subscribe("/usb_cam/image_raw", 1, &ImageGrabber::GrabImage,&igb);

cd /home/zhyang/catkin_ws/src/ORB_SLAM2/Examples/ROS/ORB_SLAM2
mkdir build
cd build
cmake .. -DROS_BUILD_TYPE=Release
make

9.运行ORB_SLAM2

运行ROS

roscore

打开摄像头

cd ~/catkin_ws/
source devel/setup.sh
roslaunch usb_cam usb_cam.launch

运行单目SLAM

cd ~/catkin_ws/
source devel/setup.sh
rosrun ORB_SLAM2 Mono /home/zhyang/catkin_ws/src/ORB_SLAM2/Vocabulary/ORBvoc.txt /home/zhyang/catkin_ws/src/ORB_SLAM2/myslam.yaml

运行单目AR

cd ~/catkin_ws/
source devel/setup.sh
rosrun ORB_SLAM2 MonoAR /home/zhyang/catkin_ws/src/ORB_SLAM2/Vocabulary/ORBvoc.txt /home/zhyang/catkin_ws/src/ORB_SLAM2/myslam.yaml

注意：因为我使用的是单目相机，运行的是Mono程序，如果使用的是双目或者深度相机，运行Stereo或者RGB-D程序。

.yaml文件是相机标定文件，在ORB-SLAM2算法中可找到TUM数据集标定文件。zhyang是我Linux系统的名字，自行替换。

相机标定

相机标定采用张正友教授单平面棋盘格相机标定法，通常使用三张标定板图片即可完成标定，越多标定结果越精确。这里主要介绍ROS系统标定，其实拍摄的图像也可以在Matlab中进行标定，不做介绍。

在ROS系统中进行标定，标定过程为实时。方法如下：

roscore #打开ROS系统
cd ~/catkin_ws/
source devel/setup.sh
roslaunch usb_cam usb_cam.launch #打开摄像头
rosrun camera_calibration cameracalibrator.py --size 9x6 --square 0.29 image:=usb_cam/image_raw camera:=/usb_cam #进行标定
/tmp/calibrationdata.tar.gz #标定文件存放目录
[fx,0,cx;0,fy,cy;0,0,1] #标定结果矩阵

注意：size 9x6是标定板方块交点， square 0.29是方块边长，单位分米。

标定过程如下图，X 和Y 表示标定板在相机中的上下和左右位置；Size 表示占视野尺寸大小；Skew 表示上下左右倾斜位置。

标定结果如下：

image_width: 640
image_height: 480
camera_name: narrow_stereo
camera_matrix:
  rows: 3
  cols: 3
  data: [775.270656, 0.000000, 293.603808, 0.000000, 775.814093, 295.499837, 0.000000, 0.000000, 1.000000]
distortion_model: plumb_bob
distortion_coefficients:
  rows: 1
  cols: 5
  data: [-0.446910, 0.298707, -0.002197, 0.001014, 0.000000]
rectification_matrix:
  rows: 3
  cols: 3
  data: [1.000000, 0.000000, 0.000000, 0.000000, 1.000000, 0.000000, 0.000000, 0.000000, 1.000000]
projection_matrix:
  rows: 3
  cols: 4
  data: [713.076904, 0.000000, 289.372930, 0.000000, 0.000000, 735.468323, 299.107679, 0.000000, 0.000000, 0.000000, 1.000000, 0.000000]

camere_matrix是相机内参，distortion_coefficients是相机畸变系数，将标定结果在.yaml文件中进行替换。

最后，运行结果图，我使用的是自己制作的数据集。

姥爷不出门

关注

1
点赞
踩
7

收藏

觉得还不错? 一键收藏
1
评论
ORB-SLAM2算法安装全解析--Linux系统安装、算法编译、相机标定

硕士毕业论文使用ORB-SLAM2算法进行水下机器人定位，对于ORB-SLAM2算法编译网络上也有许多教程，但是均不太全面，我这里根据自己研究整理了一份较为全面的安装教程。包括Linux系统安装、算法编译、相机标定三个方面。 Linux系统安装 Linux系统使用的是Ubuntu 14.04，当然也可以使用Ubuntu16.04，根据自己的经验来看，14.04编译算法问题更少，因此建...
复制链接

扫一扫

专栏目录